如何用Python Pandas删除加密货币CSV文件中单方独有的时间行

步骤1：读取并预处理数据 #

先把两个CSV文件读入Pandas DataFrame，同时将时间列转换为datetime类型并设为索引，这样后续能基于时间精准匹配：

import pandas as pd

# 读取文件，自动解析时间列并设为索引
df_a = pd.read_csv('file_a.csv', parse_dates=['timestamp'], index_col='timestamp')
df_b = pd.read_csv('file_b.csv', parse_dates=['timestamp'], index_col='timestamp')

# 若时间列格式特殊，可手动指定格式（示例）
# df_a = pd.read_csv('file_a.csv', parse_dates=['timestamp'], index_col='timestamp', date_format='%Y.%m.%d %H:%M')

步骤2：内连接保留共同时间点 #

使用内连接（inner join）方式合并两个DataFrame，这样只会保留双方都存在的时间行，自动剔除单边存在的时间点：

# 内连接合并，lsuffix/rsuffix处理同名列冲突
merged_df = df_a.join(df_b, how='inner', lsuffix='_a', rsuffix='_b')

步骤3：计算价格差值 #

基于合并后的DataFrame，直接新增列计算两个加密货币的价格差值：

# 计算A与B的价格差（根据需求调整顺序）
merged_df['price_diff'] = merged_df['price_a'] - merged_df['price_b']

可选：保存结果 #

将处理好的对齐数据和差值保存到新CSV文件：

merged_df.to_csv('aligned_price_diff.csv')

额外注意事项 #

• 如果数据存在重复时间戳，先执行去重操作避免匹配错误：

  df_a = df_a[~df_a.index.duplicated()]
  df_b = df_b[~df_b.index.duplicated()]
  

• 确保两个文件的时间列名称一致（示例中用的是timestamp，如果你的列名是datetime或其他，对应修改即可）

内容的提问来源于stack exchange，提问作者Keejays