Python在Finance上的应用7 ：将获取的S&P 500的成分股股票数据合并为一个dataframe

欢迎来到Python for Finance教程系列的第7讲。 在之前的教程中，我们为标准普尔500强公司抓取了雅虎财经数据。 在本教程中，我们将把这些数据放在一个DataFrame中。

尽管掌握了所有数据，但我们可能想要一起处理数据。 为此，我们将把所有的股票数据集合在一起。 目前的每个股票文件都有：开盘价，最高价，最低价，收盘价，成交量和调整收盘价。 至少现在大多只对调整后的收盘价感兴趣。

首先，我们拉取我们之前制作的代码列表，并从一个名为main_df的空数据框开始。 现在，我们准备阅读每个股票的数据框：

你不需要在这里使用Python的enumerate，这里使用它可以了解我们读取所有数据的过程。 你可以迭代代码。 从这一点，我们可以生成有趣数据的额外列，如：

但现在，我们不必因此而烦恼。 只要知道这可能是一条追求真理之路。 相反，我们真的只是对Adj_Close (jin 注：由于上节我们抓取的数据只有 Close ，这里用Close替代)列感兴趣：

现在已经有了这个专栏（或者像上面那样额外的......但是请记住，在这个例子中，我们没有做HL_pct_diff或daily_pct_chng）。 请注意，我们已将Adj Adj列重命名为股票代码名称。 我们开始构建共享数据框：

如果main_df中没有任何内容，那么我们将从当前的df开始，否则我们将使用Pandas' join。 在这个for循环中，我们将再添加两行：

本节完整的code 如下：

最终得到的效果图如下所示