如何从交易总DataFrame生成单ticker对应DataFrame？是否需要通过字典实现？

你完全可以直接从总交易DataFrame中生成单个ticker对应的独立DataFrame，不需要必须通过字典实现，你的数据量仅40行左右，两种实现方式都不会有性能差异，优先选更简洁的方案即可：

直接生成单个标的DataFrame的方法 #

• 单标的查询：直接用布尔索引筛选即可，代码示例：

  # 筛选ticker为AAPL的所有交易记录
  aapl_trade_df = total_trade_df[total_trade_df['ticker'] == 'AAPL']
  

  上述代码会直接返回仅包含AAPL交易记录的独立DataFrame，你可以直接基于这个结果做持仓、盈亏计算。
• 批量查询所有标的：如果需要经常调取不同ticker的交易记录，可以用groupby做分组，不需要手动生成字典：

  # 按ticker字段分组
  ticker_group = total_trade_df.groupby('ticker')
  # 调取任意ticker的交易记录
  msft_trade_df = ticker_group.get_group('MSFT')
  

什么时候需要用字典实现 #

只有当你需要对单标的的DataFrame做大量修改、且不希望修改结果影响总交易表的时候，才需要把分组结果存为字典，示例代码：

# 生成key为ticker、value为对应交易DataFrame的字典，用copy避免修改原表
ticker_df_dict = {ticker: df.copy() for ticker, df in total_trade_df.groupby('ticker')}

之后你可以通过ticker_df_dict['标的代码']直接调用对应DataFrame做修改。

内容的提问来源于stack exchange，提问作者JakeGehri