Python从CSV读取DataFrame并合并多数据帧问题咨询

嘿，我来帮你搞定这个多DataFrame合并的问题！听起来你已经把各个币种的历史交易数据通过read_dataset函数读到字典里了，接下来要提取收盘价并合并成一个统一的DataFrame对吧？下面是具体的操作步骤和代码示例，帮你顺利完成这个任务：

1. 先统一基础数据格式 #

首先得确保每个读取进来的DataFrame都有一致的日期索引和统一的收盘价列名，这是合并成功的前提：

• 优化你的read_dataset函数，读取CSV时直接把日期列解析成索引，避免后续麻烦：

import pandas as pd

def read_dataset(file_path):
    # 替换成你CSV里实际的日期列名和收盘价列名
    df = pd.read_csv(
        file_path,
        parse_dates=['Date'],  # 自动解析日期格式
        index_col='Date',      # 将日期设为索引
        usecols=['Date', 'Close']  # 只读取需要的列，提升效率
    )
    return df

• 如果已经读取完数据，也可以事后统一日期索引：

# 假设你的DataFrame字典是coin_dfs，遍历每个币种数据
for coin_symbol, df in coin_dfs.items():
    df['Date'] = pd.to_datetime(df['Date'])
    df.set_index('Date', inplace=True)

2. 从字典中提取并整理收盘价 #

遍历你的DataFrame字典，把每个币种的收盘价单独提取出来，并重命名列名为对应的货币缩写，这样合并后能清晰区分不同币种：

# 初始化空字典存储整理后的收盘价Series
close_series_dict = {}

# 假设coin_list里存储货币缩写的列名为'Symbol'
for coin_symbol in coin_list['Symbol']:
    # 提取收盘价列，并重命名为对应货币缩写
    close_series_dict[coin_symbol] = coin_dfs[coin_symbol]['Close'].rename(coin_symbol)

3. 合并所有收盘价数据 #

用pd.concat()函数把所有整理好的收盘价Series合并成一个DataFrame，它会自动按日期索引对齐数据：

# 按列方向合并所有Series
merged_close_df = pd.concat(close_series_dict.values(), axis=1)

# 处理可能的缺失值（比如某些币种在特定日期无数据）
# 可根据需求选择前向填充、后向填充或填充0
merged_close_df = merged_close_df.fillna(method='ffill').fillna(method='bfill')

4. 常见问题排查 #

• 如果合并后出现大量缺失值：检查每个DataFrame的日期格式是否完全一致，比如有的是YYYY-MM-DD，有的是MM/DD/YYYY，一定要用pd.to_datetime()统一解析。
• 如果字典里找不到对应币种数据：确认coin_list里的货币缩写和CSV文件名/字典键完全匹配，注意大小写（比如BTC和btc会被当成不同的键）。

这样操作下来，你就能得到一个结构清晰的DataFrame——每一列对应一个币种的收盘价，索引是统一的日期，后续做分析或者可视化都很方便啦！

内容的提问来源于stack exchange，提问作者Tom