Pandas 熊猫合并两个数据帧以形成一个多索引

我正在和熊猫玩，看看我是否能比其他工具做得更好/更快。如果我有一只股票，很容易创建每日计算L

df['mystuff'] = df['Close']+1

如果我下载的股票不止一个，它就会变得复杂：

df = df.stack() 
df['mystuff'] = df['Close']+1
df = df.unstack()

如果我想用prevous的day“Close”，它对我来说太复杂了。我想我可以回去取一个单独的代码，用iloc[I-1]或类似的东西做任何操作（我还没有弄清楚），然后合并数据帧

我如何合并两个数据帧的单一报价器有一个多索引？ 以便：

就像

f = web.DataReader(['AAPL','GOOG'], 'yahoo', start, end)

编辑： 这是我能创建的最接近f的东西。它不完全一样，所以我不确定我能不能用它来代替f

f_f = pd.concat(['AAPL':f1,'GOOG':f2},axis=1)

也许我应该尝试在多索引上进行操作，而不是在更简单的数据帧上进行拆分

完整代码：

import pandas_datareader.data as web
import pandas as pd
from datetime import datetime

start = datetime(2001, 9, 1)
end = datetime(2019, 8, 31)
a = web.DataReader('AAPL', 'yahoo', start, end)
g = web.DataReader('GOOG', 'yahoo', start, end)
# here are shift/diff calculations that I don't knokw how to do with a multiindex
a_g = web.DataReader(['AAPL','GOOG'], 'yahoo', start, end)
merged = pd.concat({'AAPL':a,'GOOG':g},axis=1)

a_g.to_csv('ag.csv')
merged.to_csv('merged.csv')
import code; code.interact(local=locals())

---

旁注：我不知道如何比较这两个csv。这并不完全相同，但它返回的多索引可以在

a_g

案例中使用

将pandas\u datareader.data作为web导入
作为pd进口熊猫
从日期时间导入日期时间
开始=日期时间（2019年7月1日）
结束=日期时间（2019年8月31日）
out=[]
对于[“AAPL”，“GOOG”]中的勾号：
d=web.DataReader（勾选“yahoo”，开始，结束）
cols=[（列，勾选）表示d列中的列]
d、 columns=pd.MultiIndex\
.从元组（cols，
名称=[“属性”、“符号”]）
out.append（d）
df=pd.concat（向外，轴=1）

更新

如果您想要计算并添加一个新列，如果您有多个索引列，您可以按照以下步骤操作

将pandas\u datareader.data作为web导入
作为pd进口熊猫
从日期时间导入日期时间
开始=日期时间（2019年7月1日）
结束=日期时间（2019年8月31日）
滴答声=['AAPL'，'GOOG']
df=web.DataReader（勾选'yahoo'，开始，结束）
名称=列表（df.columns.names）
df1=df[“关闭”].shift（）
cols=[（“新”，col）表示df1.列中的col]
df1.columns=pd.MultiIndex.from_元组（cols，
名称=名称）
df=df.join（df1）

concat如何，然后在（'yahoo'，start，end'）上分组？好吧，你不会得到同样的结果。我可以使用concat（{'AAPL'：f…），但它不像multiindexpd.concat（['AAPL'：f1，'GOOG'：f2}，axis=1）是我能完成的最接近的事情。这个想法是，如果两个数据框架中的列相同，那么您不关心concat中的多索引。多索引由group by post处理，看起来像您的行

f=web.DataReader（['AAPL'，'GOOG'，'yahoo'，start，end）

应该可以，你得到了什么？谢谢！你解决了我的问题，但很明显，你的更新看起来更适合我的需要。我将尝试一些更复杂的移位和填充，但似乎是正确的。我发现一个诀窍是你没有先创建新列。我想创建一个新列，然后用我的计算填充它（如第一行=100，第二行=first xx，第三行=secondxx等等）复制一行并填充它是可行的，但不优雅，我支持f3=df3.shift（）.fillna（100）*df['Close']/df['Close'].shift（）.fillna（df['Close']）这似乎是我想要做的事情。第一个值=100，第二个值取决于第一个值和一个计算

import pandas_datareader.data as web
import pandas as pd
from datetime import datetime

start = datetime(2001, 9, 1)
end = datetime(2019, 8, 31)
a = web.DataReader('AAPL', 'yahoo', start, end)
g = web.DataReader('GOOG', 'yahoo', start, end)
# here are shift/diff calculations that I don't knokw how to do with a multiindex
a_g = web.DataReader(['AAPL','GOOG'], 'yahoo', start, end)
merged = pd.concat({'AAPL':a,'GOOG':g},axis=1)

a_g.to_csv('ag.csv')
merged.to_csv('merged.csv')
import code; code.interact(local=locals())