Python 熊猫：用不同的时间合并数据

我有两个数据帧，其中包含不同范围的时间序列数据。一个人开始得早，结束得早。另外，一个是每月一次，一个是每季度一次。然而，两者的索引都是YYYY-MM-DD格式的。有没有一种巧妙的方法可以使用“Python”和“Pandas”合并这些数据帧

谢谢

/编辑 一套：

          DATE    GDP  GPDI     NFLS
0   1947-01-01  243.1  35.9  112.815
1   1947-04-01  246.3  34.5  111.253
2   1947-07-01  250.1  34.9  113.023
3   1947-10-01  260.3  43.2  111.440

另一个：

           DATE   INDPRO  M08354USM310NNBR  GDP
(...)
334  1946-11-01  13.3916               NaN  NaN
335  1946-12-01  13.4721               NaN  NaN
336  1947-01-01  13.6332              42.8  NaN
337  1947-02-01  13.7137              42.5  NaN

我想一起加入他们，这样

      DATE INDPRO  M08354USM310NNBR  GDP   GPDI     NFLS
1946-11-01 13.3916              NaN  NaN    NaN     NaN  
1946-12-01 13.4712              NaN  NaN    NaN     NaN
1947-01-01 13.6332             42.8  243.1 35.9     112.815           
1947-02-01 13.7137             42.5  NaN    NaN     NaN
(...)

---

只需执行合并—事实上，时段不同且不重叠适合您：

merged = df1.merge(df2, on='DATE', how='outer')

merged
Out[54]:
         DATE  GDP_x  GPDI     NFLS   INDPRO  M08354USM310NNBR  GDP_y
0  1947-01-01  243.1  35.9  112.815  13.6332              42.8    NaN
1  1947-04-01  246.3  34.5  111.253      NaN               NaN    NaN
2  1947-07-01  250.1  34.9  113.023      NaN               NaN    NaN
3  1947-10-01  260.3  43.2  111.440      NaN               NaN    NaN
4  1946-11-01    NaN   NaN      NaN  13.3916               NaN    NaN
5  1946-12-01    NaN   NaN      NaN  13.4721               NaN    NaN
6  1947-02-01    NaN   NaN      NaN  13.7137              42.5    NaN

[7 rows x 7 columns]

您可以重命名、填充或删除错误的“GDP_y”列

要对合并的

'DATE'

列进行排序，只需调用

sort

：

In [57]:

merged.sort(['DATE'])
Out[57]:
         DATE  GDP_x  GPDI     NFLS   INDPRO  M08354USM310NNBR  GDP_y
4  1946-11-01    NaN   NaN      NaN  13.3916               NaN    NaN
5  1946-12-01    NaN   NaN      NaN  13.4721               NaN    NaN
0  1947-01-01  243.1  35.9  112.815  13.6332              42.8    NaN
6  1947-02-01    NaN   NaN      NaN  13.7137              42.5    NaN
1  1947-04-01  246.3  34.5  111.253      NaN               NaN    NaN
2  1947-07-01  250.1  34.9  113.023      NaN               NaN    NaN
3  1947-10-01  260.3  43.2  111.440      NaN               NaN    NaN

[7 rows x 7 columns]

---

您能提供一些示例数据和预期输出吗？您只需在左侧和右侧索引上进行外部合并，列名是否不同？提供了示例。列名相同，外部合并听起来很有希望。在最终合并的df中，如果一个df是每月一次，而另一个是季度一次，您希望日期代表什么？您可以通过按日期分组并对值求和，然后重置索引来修复合并后的df。不确定我是否理解这个问题。季度和月度日期都有相同的布局。季度数据包括01-01年、04-01年（…），月度数据包括01-01年、02-01年（等）。请注意，因此，01-01年度的季度和月度格式相同，应保存这两个数据。这有助于澄清吗？对不起，周期重叠-从我的示例中应该很清楚。其中一个变量上应该有一些带有NaN的行，而有些行两个变量都已填充。我尝试了dfProd=pd.merge（dfQ[['DATE'，'GDP']]，dfM['DATE'，'INDPRO']]，on='DATE'），但这只给了我两个变量都有值的行（我还想只选择变量的子集）@FooBar默认的合并类型是内部的，因此两个dfs中的值必须匹配，这是您想要的吗？抱歉，上面的代码不是我正在做的-不知道它是如何到达我的复制粘贴的。我做了

pd.merge（dfQ[['DATE'，'GDP']]，dfM['DATE'，'INDPRO']]，on='DATE'，how='outer'）