时间戳

首页 > 解决方案 > 如何通过 for 循环中的 for 循环将列表附加到数据帧

python - 如何通过 for 循环中的 for 循环将列表附加到数据帧

问题描述

我制作了一个 for 循环，它使用股票代码列表来获取当日收盘价。收集后，我要求代码将数据存储在数据框中。这很好用，但是我无法创建一种一遍又一遍地附加数据帧的方法，这样我就剩下一个大数据帧了。有人可以帮忙吗？请注意，API 连接允许一定数量的调用 pr。分钟，所以如果呼叫失败应该有一个时间延长 - 我试图解释这一点。请看下面的代码：

C20 = ['AMBU-B.CPH'，'MAERSK-B.CPH']

df = pd.DataFrame()

def getdata(symbol_input):

for i in symbol_input:

    try:

        API_KEY = 'XXXXXXXXX' #MY API KEY

        symbol = i #søg på google efter firmanavnet og "stock price". Tickeren er den der skal bruges

        r = requests.get('https://www.alphavantage.co/query?function=TIME_SERIES_DAILY&symbol=' + i + '&apikey=' + API_KEY)

        result = r.json()
        AllData = result['Time Series (Daily)']
        alldays = list(AllData.keys())
        alldays.sort()
        timeinterval = 10
        days = alldays[len(alldays)-timeinterval:len(alldays)]
        #print(days)

        SymbolList = []
        for i in range(timeinterval):
            SymbolList.append(symbol)
        #print(SymbolList)

        StockPriceList = []


        if (r.status_code == 200):

            for i, day in enumerate(days):
                result = r.json()
                dataForAllDays = result['Time Series (Daily)']
                dataForSingleDate = dataForAllDays[days[i]]
                #print (days[i], dataForSingleDate['4. close']) 
                StockPriceList.append(dataForSingleDate['4. close'])  


        #print(StockPriceList)

        combined_lists = list(zip(days, StockPriceList, SymbolList)) #create tuples to feed into dataframe from multiple lists

        df1 = pd.DataFrame(combined_lists, columns = ['Date', 'Price', 'Stock Ticker'])
        print(df1)

        time.sleep(10)

    except:
        print('could not get data for: ' + i)
        time.sleep(1)  # wait for 1 seconds before trying to fetch the data again
        continue

打印（获取数据（C20））

标签： pythonpython-3.xdataframefor-loopappend

解决方案

您可以使用 pd.concat ，然后使用临时数据框将所有内容连接到一个最终数据框中。

您可以使用此代码作为示例，将两个不同的数据帧连接成一个最终数据帧。

dataset1 = pd.DataFrame([[1,2],[2,3],[3,4]],columns=['A','B'])
dataset2 = pd.DataFrame([[4,5],[5,6],[6,7]],columns=['A','B'])
full_dataset = pd.concat([dataset1,dataset2])
full_dataset
   A  B
0  1  2
1  2  3
2  3  4
0  4  5
1  5  6
2  6  7

参考：https ://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.concat.html

让我知道您是否需要其他任何东西。祝你有美好的一天！

推荐阅读