Python 从数据帧字典调用报表

我是我的前任，我问过如何迭代多个csv文件（比如100个不同的股票符号文件）并立即计算它们的每日回报。我想知道如何为每个文件的这些返回调用max/min值并打印报告

以下是特伦顿·麦金尼先生创建的词典：

import pandas as pd
from pathlib import Path

# create the path to the files
p = Path('c:/Users/<<user_name>>/Documents/stock_files')

# get all the files
files = p.glob('*.csv')

# created the dict of dataframes
df_dict = {f.stem: pd.read_csv(f, parse_dates=['Date'], index_col='Date') 
for f in files}

# apply calculations to each dataframe and update the dataframe
# since the stock data is in column 0 of each dataframe, use .iloc
for k, df in df_dict.items():
    df_dict[k]['Return %'] = df.iloc[:, 0].pct_change(-1)*100

将熊猫作为pd导入
从pathlib导入路径
#创建文件的路径
p=路径（'c:/Users//Documents/stock\u files'）
#获取所有文件
files=p.glob（'*.csv'）
#创建数据帧的dict
df_dict={f.stem:pd.read_csv（f，parse_dates=['Date']，index_col='Date'）
对于文件中的f}
#对每个数据帧应用计算并更新数据帧
#因为股票数据在每个数据帧的第0列中，所以使用.iloc
对于k，df_dict.items（）中的df：
df_dict[k]['Return%]=df.iloc[：，0].pct_change（-1）*100

问候并感谢您的帮助

data_dict=dict（）#在此处创建一个空dict
对于k，df_dict.items（）中的df：
df_dict[k]['Return%]=df.iloc[：，0].pct_change（-1）*100
#聚合最大和最小回报
mm=df_dict[k]['Return%].agg（['max'，'min']）
#将其添加到dict中，以ticker作为键
data_dict[k]={'max'：mm.max（），'min'：mm.min（）}
#如果需要，请转换为数据帧
mm_df=pd.DataFrame.from_dict（data_dict，orient='index'））
#显示器（毫米/英尺）
最大最小值
aapl 8.70284-4.90070
msft 6.60377-4.08443
#拯救
mm_df.to_csv（'max_min_return.csv'，index=True）

data\u dict=dict（）#在此处创建一个空dict
对于k，df_dict.items（）中的df：
df_dict[k]['Return%]=df.iloc[：，0].pct_change（-1）*100
#聚合最大和最小回报
mm=df_dict[k]['Return%].agg（['max'，'min']）
#将其添加到dict中，以ticker作为键
data_dict[k]={'max'：mm.max（），'min'：mm.min（）}
#如果需要，请转换为数据帧
mm_df=pd.DataFrame.from_dict（data_dict，orient='index'））
#显示器（毫米/英尺）
最大最小值
aapl 8.70284-4.90070
msft 6.60377-4.08443
#拯救
mm_df.to_csv（'max_min_return.csv'，index=True）

再一次，像个魔咒一样工作！非常感谢特伦顿·麦金尼先生。祝你和你所爱的人一切顺利！再次，作为一个魅力的工作！非常感谢特伦顿·麦金尼先生。祝你和你所爱的人一切顺利！