Python基于雅虎财经数据算12月移动平均时报ValueError求助
报错原因说明
报错本质是pandas操作时的维度不匹配问题:
- 通过
web.DataReader拉取20只股票的行情数据后,df['Adj Close']是包含20列的DataFrame,每列对应1只股票的调整收盘价序列 - 执行
df_close['MA'] = df_close.rolling(window=12).mean()时,等式右侧rolling(window=12).mean()的计算结果是和df_close同维度的20列数据(每列对应单只股票的12个月移动平均值) - 等式左侧
df_close['MA']是试图给DataFrame新增1个单独的列,仅能容纳1维序列 - 20列的计算结果无法填充到1个单列字段中,因此抛出
ValueError: Wrong number of items passed 20, placement implies 1错误。
符合作业要求的实现方案
按照课程作业的任务目标,需要为每只股票分别计算月度收益率、12个月移动平均值,可参考以下步骤调整代码:
- 先匹配数据频率要求:作业需要月度粒度数据,当前默认拉取的是日度数据,需要先重采样转换为月度频率
import pandas as pd import datetime as dt start = dt.datetime(2000,1,1) end = dt.datetime(2020,2,1) tickers = ['AAPL', 'MSFT', 'ROKU', 'GS', 'GOOG', 'KO', 'ULTA', 'JNJ', 'ZM', 'AMZN', 'NFLX', 'TSLA', 'CMG', 'ATVI', 'LOW', 'BA', 'SYY', 'SNAP', 'BYND', 'OSTK'] # 拉取原始行情数据 df = web.DataReader(tickers, 'yahoo', start, end) # 重采样为月度数据:取每月最后一个交易日的收盘价、成交量 df_monthly = df.resample('M').last()[['Adj Close', 'Volume']] - 计算每只股票的月度收益率
# 对所有列一次性计算月度百分比变化,结果为20列、每列对应单只股票的月度收益率 df_monthly_returns = df_monthly['Adj Close'].ffill().pct_change() - 计算每只股票的12个月移动平均值
规避之前的单列赋值错误,可根据存储需求选择两种实现方式:- 方式1:独立存储移动平均结果
# 直接对整个收盘价DataFrame做滚动计算,得到的df_ma12就是20列、每列对应单只股票的12个月移动平均 df_ma12 = df_monthly['Adj Close'].rolling(window=12).mean() # 可给列名加后缀,和原收盘价做区分 df_ma12.columns = [f"{ticker}_MA12" for ticker in df_ma12.columns] # 把原数据、收益率、移动平均结果横向拼接为最终分析数据集 final_dataset = pd.concat([df_monthly, df_monthly_returns.add_suffix('_Return'), df_ma12], axis=1) - 方式2:用多级列名统一管理所有指标
# 构造多级列结构,第一层标识指标类型,第二层标识股票代码 final_dataset = pd.DataFrame({ ('Adj_Close', ticker): df_monthly['Adj Close'][ticker] for ticker in tickers } | { ('Volume', ticker): df_monthly['Volume'][ticker] for ticker in tickers } | { ('Monthly_Return', ticker): df_monthly['Adj Close'][ticker].ffill().pct_change() for ticker in tickers } | { ('MA12', ticker): df_monthly['Adj Close'][ticker].rolling(window=12).mean() for ticker in tickers })
- 方式1:独立存储移动平均结果
代码冗余逻辑清理
之前代码块中的data2 = data1.merge(data1, left_on='date1', right_on='date1')属于无意义的自连接,会把数据集重复拼接翻倍,无实际分析价值,直接删除即可。
内容的提问来源于stack exchange,提问作者ibrahim jaafil
相关产品推荐
相关产品推荐

