如何在Python中基于Date和列名匹配合并两个DataFrame？

我需要在Python中合并两个DataFrame生成第三个DataFrame。现有两个DataFrame如下：

df1 #

df2 #

需求：基于Date列匹配两个DataFrame，同时让df2的Ticker值对应df1的列名，生成目标结构的结果DataFrame。之前尝试用.iloc[]未实现需求。

解决方案 #

.iloc[]是基于位置的索引，无法直接关联Ticker列与df1的列名，正确思路是先转换df1的格式，让两者结构对齐后再合并。

步骤1：将df1从宽格式转窄格式

用pd.melt()把df1的A/B/C列转为Ticker列，对应值存入新列：

import pandas as pd

# 假设df1和df2已加载完成
melted_df1 = df1.melt(id_vars='Date', var_name='Ticker', value_name='value')

转换后melted_df1的结构：

步骤2：合并两个DataFrame

通过Date和Ticker两列匹配合并：

result_df = pd.merge(melted_df1, df2, on=['Date', 'Ticker'], how='inner')

how='inner'保留两边都匹配的记录，可根据需求换成left/right/outer。

步骤3：按需转回宽格式（可选）

如果需要回到类似df1的宽格式，每个日期一行，包含各Ticker的value和change：

# 转宽格式
result_wide = result_df.pivot(index='Date', columns='Ticker', values=['value', 'change'])
# 调整列名格式
result_wide.columns = [f'{col[1]}_{col[0]}' for col in result_wide.columns]
result_wide = result_wide.reset_index()

最终宽格式示例：

完整代码示例 #

import pandas as pd

# 构造示例df1
df1_data = {
    'Date': ['27/04/2023 00:00', '28/04/2023 00:00', '29/04/2023 00:00', '30/04/2023 00:00'],
    'A': [55.6637, 57.1432, 57.3842, 57.1259],
    'B': [0.32194, 0.327949, 0.322167, 0.320318],
    'C': [0.145006, 0.14712, 0.146119, 0.145881]
}
df1 = pd.DataFrame(df1_data)

# 构造示例df2
df2_data = {
    'Date': ['27/04/2023 00:00']*3 + ['28/04/2023 00:00']*3 + ['29/04/2023 00:00']*3 + ['30/04/2023 00:00']*3,
    'change': [0.1, 0.3, 0.5, -0.1, -0.3, -0.5, 0.2, 0.4, 0.6, -0.2, -0.4, -0.6],
    'Ticker': ['A', 'B', 'C']*4
}
df2 = pd.DataFrame(df2_data)

# 转换df1格式
melted_df1 = df1.melt(id_vars='Date', var_name='Ticker', value_name='value')

# 合并DataFrame
result_df = pd.merge(melted_df1, df2, on=['Date', 'Ticker'], how='inner')

# 可选：转回宽格式
result_wide = result_df.pivot(index='Date', columns='Ticker', values=['value', 'change'])
result_wide.columns = [f'{col[1]}_{col[0]}' for col in result_wide.columns]
result_wide = result_wide.reset_index()

print("窄格式结果：")
print(result_df.head())
print("\n宽格式结果：")
print(result_wide)

内容的提问来源于stack exchange，提问作者user24825361