연결하여 여러 주가 dataframes

Question

나는이 같은 pandas_datareader와 야후에서 월별 가격 데이터를 점점 오전 :

import pandas as pd 
amzn = amzn.rename(columns={'Adj Close': 'AMZN'}) 
amzn = pd.DataFrame(amzn['AMZN'], columns=['AMZN']) 

반복 :

import pandas_datareader.data as web 
fb = web.get_data_yahoo('FB', '06/01/2012', interval='m') 
amzn = web.get_data_yahoo('AMZN', '06/01/2012', interval='m') 
nflx = web.get_data_yahoo('NFLX', '06/01/2012', interval='m') 
goog = web.get_data_yahoo('GOOG', '06/01/2012', interval='m') 

나는 다음과 같은 종가를 얻기 위해 청소 어떤 네 개의 모든 데이터 프레임을 정리하십시오. 이 작업을 마치면이 4 개의 데이터 프레임을 병합합니다. 이렇게하려면 다음을 사용합니다.

data = pd.concat([fb, amzn, nlfx, goog]) 

그러나이 결과는 4 개의 열 데이터 중 3 개만 NaN 인 데이터 프레임을 생성합니다. 날짜가 맞는지 확인했습니다. 왜 이런 일이 일어나는 걸까요? 모든 통찰력이 인정됩니다.

Answer 1

더 나은 방법이있다 - Pandas.Panel를 사용

In [20]: p = web.get_data_yahoo(['FB','AMZN','NFLX','GOOG'], '06/01/2012', interval='m') 

In [21]: p.loc['Adj Close'] 
Out[21]: 
        AMZN   FB  GOOG  NFLX 
Date 
2012-06-01 228.350006 31.100000 289.745758 9.784286 
2012-07-02 233.300003 21.709999 316.169373 8.121428 
2012-08-01 248.270004 18.059999 342.203369 8.531428 
2012-09-04 254.320007 21.660000 376.873779 7.777143 
2012-10-01 232.889999 21.110001 339.810760 11.320000 
2012-11-01 252.050003 28.000000 348.836761 11.672857 
2012-12-03 250.869995 26.620001 353.337280 13.227143 
2013-01-02 265.500000 30.980000 377.468170 23.605715 
2013-02-01 264.269989 27.250000 400.200500 26.868572 
2013-03-01 266.489990 25.580000 396.698975 27.040001 
2013-04-01 253.809998 27.770000 411.873840 30.867144 
2013-05-01 269.200012 24.350000 435.175598 32.321430 
2013-06-03 277.690002 24.879999 439.746002 30.155714 
2013-07-01 301.220001 36.799999 443.432343 34.925713 
2013-08-01 280.980011 41.290001 423.027710 40.558571 
2013-09-03 312.640015 50.230000 437.518250 44.172855 
2013-10-01 364.029999 50.209999 514.776123 46.068573 
2013-11-01 393.619995 47.009998 529.266602 52.257141 
2013-12-02 398.790009 54.650002 559.796204 52.595715 
2014-01-02 358.690002 62.570000 589.896118 58.475716 
2014-02-03 362.100006 68.459999 607.218811 63.661430 
2014-03-03 336.369995 60.240002 556.972473 50.290001 
2014-04-01 304.130005 59.779999 526.662415 46.005714 
2014-05-01 312.549988 63.299999 559.892578 59.689999 
2014-06-02 324.779999 67.290001 575.282593 62.942856 
...    ...   ...   ...   ... 
2015-02-02 380.160004 78.970001 558.402527 67.844284 
2015-03-02 372.100006 82.220001 548.002441 59.527142 
2015-04-01 421.779999 78.769997 537.340027 79.500000 
2015-05-01 429.230011 79.190002 532.109985 89.151428 
2015-06-01 434.089996 85.769997 520.510010 93.848572 
2015-07-01 536.150024 94.010002 625.609985 114.309998 
2015-08-03 512.890015 89.430000 618.250000 115.029999 
2015-09-01 511.890015 89.900002 608.419983 103.260002 
2015-10-01 625.900024 101.970001 710.809998 108.379997 
2015-11-02 664.799988 104.239998 742.599976 123.330002 
2015-12-01 675.890015 104.660004 758.880005 114.379997 
2016-01-04 587.000000 112.209999 742.950012 91.839996 
2016-02-01 552.520020 106.919998 697.770020 93.410004 
2016-03-01 593.640015 114.099998 744.950012 102.230003 
2016-04-01 659.590027 117.580002 693.010010 90.029999 
2016-05-02 722.789978 118.809998 735.719971 102.570000 
2016-06-01 715.619995 114.279999 692.099976 91.480003 
2016-07-01 758.809998 123.940002 768.789978 91.250000 
2016-08-01 769.159973 126.120003 767.049988 97.449997 
2016-09-01 837.309998 128.270004 777.289978 98.550003 
2016-10-03 789.820007 130.990005 784.539978 124.870003 
2016-11-01 750.570007 118.419998 758.039978 117.000000 
2016-12-01 749.869995 115.050003 771.820007 123.800003 
2017-01-03 823.479980 130.320007 796.789978 140.710007 
2017-02-01 807.640015 132.059998 801.340027 140.970001 

[57 rows x 4 columns] 

패널 축 :

이

In [22]: p.axes 
Out[22]: 
[Index(['Open', 'High', 'Low', 'Close', 'Volume', 'Adj Close'], dtype='object'), 
DatetimeIndex(['2012-06-01', '2012-07-02', '2012-08-01', '2012-09-04', '2012-10-01', '2012-11-01', '2012-12-03', '2013-01-02', '2013-02-01' 
, '2013-03-01', '2013-04-01', '2013-05-01', '2013-06-03', 
       '2013-07-01', '2013-08-01', '2013-09-03', '2013-10-01', '2013-11-01', '2013-12-02', '2014-01-02', '2014-02-03', '2014-03-03' 
, '2014-04-01', '2014-05-01', '2014-06-02', '2014-07-01', 
       '2014-08-01', '2014-09-02', '2014-10-01', '2014-11-03', '2014-12-01', '2015-01-02', '2015-02-02', '2015-03-02', '2015-04-01' 
, '2015-05-01', '2015-06-01', '2015-07-01', '2015-08-03', 
       '2015-09-01', '2015-10-01', '2015-11-02', '2015-12-01', '2016-01-04', '2016-02-01', '2016-03-01', '2016-04-01', '2016-05-02' 
, '2016-06-01', '2016-07-01', '2016-08-01', '2016-09-01', 
       '2016-10-03', '2016-11-01', '2016-12-01', '2017-01-03', '2017-02-01'], 
       dtype='datetime64[ns]', name='Date', freq=None), 
Index(['AMZN', 'FB', 'GOOG', 'NFLX'], dtype='object')]