Python 如何通过雅虎导入熊猫的多种股票价格？

因此，我尝试使用pandas和panadas datareader获取多个股票价格。如果我只尝试导入一个ticker，它将正常运行，但如果我使用多个ticker，则会出现错误。代码是：

import pandas as pd
import pandas_datareader as web
import datetime as dt
stocks = ['BA', 'AMD']
start = dt.datetime(2018, 1, 1)
end = dt.datetime(2020, 1, 1)
d = web.DataReader(stocks, 'yahoo', start, end) 

虽然我得到了错误：

ValueError: Wrong number of items passed 2, placement implies 1

那么，我如何才能绕过它，只允许通过1只股票。 到目前为止，我已经尝试使用quandl和google，这两种方法都不起作用。我也尝试过pdr.get_data_yahoo，但得到了相同的结果。我也尝试过

yf.download（）

，但仍然遇到同样的问题。有没有人有什么办法来解决这个问题？多谢各位

编辑：完整代码：

import pandas as pd
import pandas_datareader as web
import datetime as dt
import yfinance as yf
import numpy as np
stocks = ['BA', 'AMD', 'AAPL']
start = dt.datetime(2018, 1, 1)
end = dt.datetime(2020, 1, 1)
d = web.DataReader(stocks, 'yahoo', start, end)
d['sma50'] = np.round(d['Close'].rolling(window=2).mean(), decimals=2)
d['sma200'] = np.round(d['Close'].rolling(window=14).mean(), decimals=2)
d['200-50'] = d['sma200'] - d['sma50']
_buy = -2
d['Crossover_Long'] = np.where(d['200-50'] < _buy, 1, 0)
d['Crossover_Long_Change']=d.Crossover_Long.diff()
d['buy'] = np.where(d['Crossover_Long_Change'] == 1, 'buy', 'n/a')
d['sell'] = np.where(d['Crossover_Long_Change'] == -1, 'sell', 'n/a')
pd.set_option('display.max_rows', 5093)
d.drop(['High', 'Low', 'Close', 'Volume', 'Open'], axis=1, inplace=True)
d.dropna(inplace=True)
#make 2 dataframe
d.set_index(d['Adj Close'], inplace=True)
buy_price = d.index[d['Crossover_Long_Change']==1]
sell_price = d.index[d['Crossover_Long_Change']==-1]
d['Crossover_Long_Change'].value_counts()
profit_loss = (sell_price - buy_price)*10
commision = buy_price*.01
position_value = (buy_price + commision)*10
percent_return = (profit_loss/position_value)*100
percent_rounded = np.round(percent_return, decimals=2)
prices = { 
    "Buy Price" : buy_price,
    "Sell Price" : sell_price,
    "P/L" : profit_loss,
    "Return": percent_rounded
}
df = pd.DataFrame(prices)
print('The return was {}%, and profit or loss was ${} '.format(np.round(df['Return'].sum(), decimals=2), 
                                                               np.round(df['P/L'].sum(), decimals=2)))
d

将熊猫作为pd导入
将数据读取器导入web
将日期时间导入为dt
以yf形式导入yf财务
将numpy作为np导入
股票=['BA'，'AMD'，'AAPL']
开始=日期时间（2018年1月1日）
end=dt.datetime（2020,1,1）
d=web.DataReader（股票，“雅虎”，开始，结束）
d['sma50']=np.round（d['Close'].rolling（窗口=2.mean（），小数=2）
d['sma200']=np.四舍五入（d['Close'].滚动（窗口=14）.平均值（），小数=2）
d['200-50']=d['sma200']-d['sma50']
_买入=-2
d['Crossover_Long']=np.其中（d['200-50']<\u buy，1,0）
d['Crossover_Long_Change']=d.Crossover_Long.diff（）
d['buy']=np.其中（d['Crossover\u Long\u Change']==1，'buy'，'n/a'）
d['sell']=np.其中（d['Crossover\u Long\u Change']==-1，'sell'，'n/a'）
pd.set_选项（'display.max_rows'，5093）
d、 下降（['High'、'Low'、'Close'、'Volume'、'Open']，轴=1，在位=True）
d、 dropna（就地=真）
#生成2个数据帧
d、 设置索引（d['Adj Close']，就地=真）
买入价格=d.指数[d['Crossover\u Long\u Change']=1]
卖出价格=d.指数[d['Crossover\u Long\u Change']=-1]
d['Crossover_Long_Change'].值计数（）
损益=（卖出价-买入价）*10
佣金=购买价格*.01
头寸价值=（买入价+佣金）*10
收益率=（损益/头寸价值）*100
四舍五入百分比=np.四舍五入（返回百分比，小数=2）
价格={
“买入价”：买入价，
“售价”：售价，
“损益”：损益，
“回报”：四舍五入的百分比
}
df=pd.数据帧（价格）
print（'返回值为{}%，损益为${}'。格式（np.round（df['return'].sum（），小数=2），
np.round（df['P/L'].sum（），小数=2）
D

我在你的代码中尝试了3只股票，它会返回所有3只股票的数据，我不确定我是否理解你面临的问题

import pandas as pd
import pandas_datareader as web
import datetime as dt
stocks = ['BA', 'AMD', 'AAPL']
start = dt.datetime(2018, 1, 1)
end = dt.datetime(2020, 1, 1)
d = web.DataReader(stocks, 'yahoo', start, end)
print(d)

输出：

Attributes   Adj Close                              Close                         ...        Open                            Volume
Symbols             BA        AMD        AAPL          BA        AMD        AAPL  ...          BA        AMD        AAPL         BA          AMD        AAPL
Date                                                                              ...
2018-01-02  282.886383  10.980000  166.353714  296.839996  10.980000  172.259995  ...  295.750000  10.420000  170.160004  2978900.0   44146300.0  25555900.0
2018-01-03  283.801239  11.550000  166.324722  297.799988  11.550000  172.229996  ...  295.940002  11.610000  172.529999  3211200.0  154066700.0  29517900.0
2018-01-04  282.724396  12.120000  167.097290  296.670013  12.120000  173.029999  ...  297.940002  12.100000  172.539993  4171700.0  109503000.0  22434600.0
2018-01-05  294.322296  11.880000  168.999741  308.839996  11.880000  175.000000  ...  296.769989  12.190000  173.440002  6177700.0   63808900.0  23660000.0
2018-01-08  295.570740  12.280000  168.372040  310.149994  12.280000  174.350006  ...  308.660004  12.010000  174.350006  4124900.0   63346000.0  20567800.0
...                ...        ...         ...         ...        ...         ...  ...         ...        ...         ...        ...          ...         ...
2019-12-24  331.030457  46.540001  282.831299  333.000000  46.540001  284.269989  ...  339.510010  46.099998  284.690002  4120100.0   44432200.0  12119700.0
2019-12-26  327.968689  46.630001  288.442780  329.920013  46.630001  289.910004  ...  332.700012  46.990002  284.820007  4593400.0   57562800.0  23280300.0
2019-12-27  328.187408  46.180000  288.333313  330.140015  46.180000  289.799988  ...  330.200012  46.849998  291.119995  4124000.0   36581300.0  36566500.0
2019-12-30  324.469513  45.520000  290.044617  326.399994  45.520000  291.519989  ...  330.500000  46.139999  289.459991  4525500.0   41149700.0  36028600.0
2019-12-31  323.833313  45.860001  292.163818  325.760010  45.860001  293.649994  ...  325.410004  45.070000  289.929993  4958800.0   31673200.0  25201400.0

---

我在你的代码中尝试了3种股票，它会返回所有3种股票的数据，我不确定我是否理解你面临的问题

import pandas as pd
import pandas_datareader as web
import datetime as dt
stocks = ['BA', 'AMD', 'AAPL']
start = dt.datetime(2018, 1, 1)
end = dt.datetime(2020, 1, 1)
d = web.DataReader(stocks, 'yahoo', start, end)
print(d)

输出：

Attributes   Adj Close                              Close                         ...        Open                            Volume
Symbols             BA        AMD        AAPL          BA        AMD        AAPL  ...          BA        AMD        AAPL         BA          AMD        AAPL
Date                                                                              ...
2018-01-02  282.886383  10.980000  166.353714  296.839996  10.980000  172.259995  ...  295.750000  10.420000  170.160004  2978900.0   44146300.0  25555900.0
2018-01-03  283.801239  11.550000  166.324722  297.799988  11.550000  172.229996  ...  295.940002  11.610000  172.529999  3211200.0  154066700.0  29517900.0
2018-01-04  282.724396  12.120000  167.097290  296.670013  12.120000  173.029999  ...  297.940002  12.100000  172.539993  4171700.0  109503000.0  22434600.0
2018-01-05  294.322296  11.880000  168.999741  308.839996  11.880000  175.000000  ...  296.769989  12.190000  173.440002  6177700.0   63808900.0  23660000.0
2018-01-08  295.570740  12.280000  168.372040  310.149994  12.280000  174.350006  ...  308.660004  12.010000  174.350006  4124900.0   63346000.0  20567800.0
...                ...        ...         ...         ...        ...         ...  ...         ...        ...         ...        ...          ...         ...
2019-12-24  331.030457  46.540001  282.831299  333.000000  46.540001  284.269989  ...  339.510010  46.099998  284.690002  4120100.0   44432200.0  12119700.0
2019-12-26  327.968689  46.630001  288.442780  329.920013  46.630001  289.910004  ...  332.700012  46.990002  284.820007  4593400.0   57562800.0  23280300.0
2019-12-27  328.187408  46.180000  288.333313  330.140015  46.180000  289.799988  ...  330.200012  46.849998  291.119995  4124000.0   36581300.0  36566500.0
2019-12-30  324.469513  45.520000  290.044617  326.399994  45.520000  291.519989  ...  330.500000  46.139999  289.459991  4525500.0   41149700.0  36028600.0
2019-12-31  323.833313  45.860001  292.163818  325.760010  45.860001  293.649994  ...  325.410004  45.070000  289.929993  4958800.0   31673200.0  25201400.0

---

我认为误差来自你的移动平均线和直线 d['sma50']=np.round（d['Close'].rolling（窗口=2.mean（），小数=2） 因为d代表3只股票，我认为你必须把每只股票分开，分别计算移动平均数

编辑：我只尝试了两种股票（BA和AMD），但这不是最好的解决方案，因为我总是重复自己的每一行。 我只是Python的初学者，但这可能会帮助您找到问题的解决方案 附言：最后一行不太好用（那是损益表和退货的打印）

"

将熊猫作为pd导入
将数据读取器导入web
将日期时间导入为dt
股票1=['BA']
股票2=['AMD']
开始=日期时间（2018年1月1日）
end=dt.datetime（2020,1,1）
d1=web.DataReader（stock1，'yahoo'，start，end）
d2=web.DataReader（stock2，'yahoo'，start，end）
d1['sma50']=np.四舍五入（d1['Close'].滚动（窗口=2）。平均值（），小数=2）
d2['sma50']=np.四舍五入（d2['Close'].滚动（窗口=2）。平均值（），小数=2）
d1['sma200']=np.四舍五入（d1['Close'].滚动（窗口=14）。平均值（），小数=2）
d2['sma200']=np.四舍五入（d2['Close'].滚动（窗口=14）。平均值（），小数=2）
d1['200-50']=d1['sma200']-d1['sma50']
d2['200-50']=d2['sma200']-d2['sma50']
_买入=-2
d1['Crossover_Long']=np.其中（d1['200-50']<\u buy，1,0）
d2['Crossover_Long']=np.其中（d2['200-50']<\u buy，1,0）
d1['Crossover_Long_Change']=d1.Crossover_Long.diff（）
d2['Crossover_Long_Change']=d2.Crossover_Long.diff（）
d1['buy']=np.其中（d1['Crossover\u Long\u Change']==1，'buy'，'n/a'）
d2['buy']=np.其中（d2['Crossover\u Long\u Change']==1，'buy'，'n/a'）
d1['sell_BA']=np.其中（d1['Crossover_Long_Change']==-1，'sell'，'n/a'）
d2['sell\u AMD']=np.其中（d2['Crossover\u Long\u Change']==-1，'sell'，'n/a'）
pd.set_选项（'display.max_rows'，5093）
d1.下降（[‘高’、‘低’、‘关’、‘音量’、‘开’]，轴=1，在位=真）
d2.下降（[‘高’、‘低’、‘关’、‘音量’、‘开’]，轴=1，在位=真）
d2.dropna（就地=真）
d1.dropna（就地=真）
d1.设置索引（“调整关闭”，就地=真）
d2.设置索引（“调整关闭”，就地=真）
买入价格=np.数组（d1.索引[d1['Crossover\u Long\u Change']=1]）
买入价格AMD=np.array（d2.index[d2['Crossover\u Long\u Change']=1]）
卖出价=np.数组（d1.索引[d1['Crossover\u Long\u Change']=-1]）
卖出价格AMD=np.array（d2.index[d2['Crossover\u Long\u Change']=-1]）
d1['Crossover_Long_Change'].值计数（）
d2['Crossover\u Long\u Change'].值\u计数（）
盈亏平衡=（卖出价平衡-买入价平衡）*10
利润损失金额=（卖出价格金额-买入价格金额）*10
佣金=买入价*01
佣金=购买价格*01
仓位价值=（买入价格+佣金）*10
仓位价值金额=（买入价格金额+佣金金额）*10
收益率=np.四舍五入（（损益/头寸价值）*100），小数=2）
收益率=np.四舍五入（（损益/头寸价值）*100），小数=2）
价格_BA={
“买入价格BA”：[买入价格BA]，
“售价BA”：[售价BA]，
“损益基础”：[损益基础]，
“返回BA”：[返回百分比]}
df=pd.数据帧（价格）
print（'返回值为{}%，损益为${}'。格式（np.round（df['return BA'].sum（），小数=2），
np.round（df['P/L BA'].sum（），小数=2）））
价格_AMD={
“买入价格AMD”：[买入价格AMD]，
“售价AMD”：[售价AMD]，
“P/L AM