如何将pd.merge数据合并代码改为pd.concat，适配datetime64[ns]弃用？

首先得明确：pd.merge是按指定列匹配关联后合并（类似数据库的JOIN逻辑），而pd.concat是直接按行或列堆叠，两者核心逻辑完全不同。直接替换会导致数据错位，必须先手动将所有DataFrame的行对齐，再用pd.concat拼接。

针对你的代码，原逻辑是先通过Date和Time关联ads_hour与ads，再通过Time和TV关联结果与advertising，以下是改用pd.concat的实现：

# 转换日期时间列（保留原逻辑）
ads_hour['Date'] = pd.to_datetime(ads_hour['Date'], errors='coerce')
ads['Time'] = pd.to_datetime(ads['Time'], errors='coerce')

# 第一步：先获取原merge逻辑下的基准匹配行（确保所有DataFrame的行一致）
# 先关联ads_hour和ads，得到匹配的中间数据集
temp = pd.merge(ads_hour, ads, left_on='Date', right_on='Time', how='inner')
# 再关联得到最终匹配的基准数据，用于后续筛选原始DataFrame
base_data = pd.merge(temp, advertising, left_on='Time', right_on='TV', how='inner')

# 第二步：筛选每个原始DataFrame，只保留和基准数据匹配的行，并重置索引保证对齐
# 筛选ads_hour
ads_hour_filtered = ads_hour[ads_hour['Date'].isin(base_data['Date'])].reset_index(drop=True)
# 筛选ads
ads_filtered = ads[ads['Time'].isin(base_data['Time'])].reset_index(drop=True)
# 筛选advertising
advertising_filtered = advertising[advertising['TV'].isin(base_data['TV'])].reset_index(drop=True)

# 第三步：用pd.concat横向拼接列（axis=1表示按列拼接）
allData = pd.concat([ads_hour_filtered, ads_filtered, advertising_filtered], axis=1)

# 移除重复列（拼接后会重复出现Date/Time/TV这类关联列）
allData = allData.loc[:, ~allData.columns.duplicated()]

# 展示结果
print(allData.head())

关键说明： #

• pd.concat本身不做关联匹配，所以必须先通过筛选保证所有要拼接的DataFrame行数相同、行顺序完全一致，否则会出现数据错位
• 代码中how='inner'对应原merge的默认逻辑，如果原代码用了left/right/outer类型的关联，需要调整基准数据的生成逻辑（比如用对应类型的join结果作为筛选基准）
• 最后去重列是可选操作，按需保留重复的关联列即可

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