如何将日期、代码、值列表转换为指定结构的Pandas DataFrame

Got it！我来帮你把这三组列表转换成符合要求的Pandas DataFrame，分两种常见情况来演示，你可以根据自己的实际数据选对应的方法：

情况1：每个列表位置对应一组(date, ticker, value) #

如果你的三个列表是按「日期-股票代码-对应数值」的位置一一匹配的（比如date1对应ticker1的value1，date2对应ticker2的value2），可以先创建长格式DataFrame，再转成宽格式：

import pandas as pd

# 替换成你实际的三组列表
dates = ['2023-01-01', '2023-01-02', '2023-01-03']
tickers = ['AAPL', 'GOOG', 'AAPL']
values = [150.25, 2780.50, 151.10]

# 第一步：创建长格式DataFrame，把三组数据关联起来
df_long = pd.DataFrame({
    'date': dates,
    'ticker': tickers,
    'value': values
})

# 第二步：转成宽格式，日期做索引，股票代码做列名
df_wide = df_long.pivot(index='date', columns='ticker', values='value')

# 查看结果
print(df_wide)

输出结果示例：

ticker        AAPL    GOOG
date                      
2023-01-01  150.25     NaN
2023-01-02     NaN  2780.5
2023-01-03  151.10     NaN

注：如果某个日期下没有对应股票的数值，会显示NaN，你可以用fillna()方法填充默认值（比如df_wide.fillna(0, inplace=True)）

情况2：日期是唯一索引，数值是每行的多列数据 #

如果你的日期列表是唯一的索引项，ticker是列名，而数值列表是每个日期对应所有ticker的数值集合（比如value1是date1下所有ticker的数值组成的列表），可以直接构造DataFrame：

import pandas as pd

# 替换成你实际的三组列表
dates = ['2023-01-01', '2023-01-02', '2023-01-03']
tickers = ['AAPL', 'GOOG', 'MSFT']
values = [[150, 2800, 300], [151, 2810, 302], [152, 2820, 303]]

# 直接创建DataFrame，指定索引和列名
df = pd.DataFrame(values, index=dates, columns=tickers)

# 查看结果
print(df)

输出结果示例：

AAPL  GOOG  MSFT
2023-01-01   150  2800   300
2023-01-02   151  2810   302
2023-01-03   152  2820   303

内容的提问来源于stack exchange，提问作者bloodynri