如何按最早最晚日期拼接Series列表为DataFrame？

你的问题出在没有将每个子数据集的日期设为索引，直接按默认位置索引拼接导致日期无法对齐。按以下步骤处理即可得到预期结果：

步骤1：预处理每个子数据集 #

遍历final_1中的每个元素，将日期列转为时间类型并设为索引，同时重命名值列避免重复：

import pandas as pd

processed_list = []
for i, sub_df in enumerate(final_1):
    # 转换日期列为datetime格式
    sub_df['Dates'] = pd.to_datetime(sub_df['Dates'])
    # 将日期设为索引
    sub_df = sub_df.set_index('Dates')
    # 重命名Values列，用序号区分2000+个元素
    sub_df = sub_df.rename(columns={'Values': f'Series_{i}'})
    processed_list.append(sub_df)

步骤2：拼接并生成完整日期范围 #

用pd.concat按列拼接，再生成覆盖最早到最晚日期的完整索引（如果需要补全中间缺失的日期）：

# 按日期外连接拼接所有子数据集
merged_df = pd.concat(processed_list, axis=1, join='outer')

# 生成从最早到最晚日期的完整序列（示例为周度频率，可根据你的数据调整freq参数）
min_date = merged_df.index.min()
max_date = merged_df.index.max()
full_dates = pd.date_range(start=min_date, end=max_date, freq='W')

# 重新索引，补全缺失日期（缺失值会填充为NaN）
final_df = merged_df.reindex(full_dates)

关键说明 #

• 之前直接拼接时，每个子数据集的索引是默认的0、1、2...，拼接时按位置对齐而非日期，导致结果混乱。
• 预处理时将日期设为索引后，pd.concat会自动按日期对齐，join='outer'会保留所有出现过的日期。
• 如果你的数据不是周度，修改pd.date_range的freq参数即可（比如'D'为日度，'M'为月度）。

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