Python 3.x Python基于变量名创建数据帧子集

嗨，我有一个数据框架，用于我国市场的所有股票数据，数据如下所示

Ticker  Date/Time   Open    High    Low Close   Volume
AAA     7/15/2010   19.581  20.347  18.429  18.698  174100.0
BBB     7/16/2010   19.002  19.002  17.855  17.855  109200.0
BBB     7/19/2010   19.002  19.002  17.777  17.777  104900.0
CCC     7/20/2010   18.429  18.429  17.084  17.354  328700.0
CCC     7/21/2010   17.354  17.431  16.895  17.316  75800.0

列Ticker有股票名称，每行是一个特定日期的数据。 我想编写一个循环代码，创建变量名为stock name的变量，该变量是包含该stock数据的整个dataframe的子集

比如说,

当我调用变量BBB时，我将得到以下数据帧：

BBB

---

请您告知我如何编写此代码

您可以创建

数据帧

的

字典

，其中键是它们的名称，并且

听写理解

：

dfs = {idx:x for idx, x in df.groupby('Ticker')}

print (dfs)
{'BBB':   Ticker  Date/Time    Open    High     Low   Close    Volume
1    BBB  7/16/2010  19.002  19.002  17.855  17.855  109200.0
2    BBB  7/19/2010  19.002  19.002  17.777  17.777  104900.0, 
'CCC':   Ticker  Date/Time    Open    High     Low   Close    Volume
3    CCC  7/20/2010  18.429  18.429  17.084  17.354  328700.0
4    CCC  7/21/2010  17.354  17.431  16.895  17.316   75800.0, 
'AAA':   Ticker  Date/Time    Open    High     Low   Close    Volume
0    AAA  7/15/2010  19.581  20.347  18.429  18.698  174100.0}

print (dfs['BBB'])
  Ticker  Date/Time    Open    High     Low   Close    Volume
1    BBB  7/16/2010  19.002  19.002  17.855  17.855  109200.0
2    BBB  7/19/2010  19.002  19.002  17.777  17.777  104900.0

另一个解决方案：

dfs = {x:df[df['Ticker'] == x] for x in df['Ticker'].unique()}
print (dfs['BBB'])
  Ticker  Date/Time    Open    High     Low   Close    Volume
1    BBB  7/16/2010  19.002  19.002  17.855  17.855  109200.0
2    BBB  7/19/2010  19.002  19.002  17.777  17.777  104900.0

编辑：

谢谢你的建议：

dfs = dict(list(df.groupby("Ticker")))

---

那么我如何相应地分配变量名呢？我想有一个变量[AAA，BBB，CCC]的列表，其中：AAA=dfs['AAA']BBB=dfs['BBB']。。。。我目前必须手动操作，但数据帧有数百个符号，你能建议吗？嗯，我认为多个变量最好是所有变量的一个dict，因此使用

AA

use

AAA=dfs['AAA']

，安装

BBB

使用

AAA=dfs['BBB']

。您需要的不是python中的最佳实践。可能还有助于检查-是否也可以使用

globals

和

locals

，但您确定吗？在我看来，如果只需要一个dict，那么太多的变量是不必要的。也许你能解释一下为什么你需要这个吗？谢谢。实际上，在尝试之后，我认为你是正确的，我不应该创建太多这样的变量。在这种情况下，dict是一个非常有效的选项：D

dfs=dict（list（df.groupby（“Ticker”））

是dictcomp的替代方案。

dfs = dict(list(df.groupby("Ticker")))