无法使用索引列时，如何基于日期列将DataFrame的指定列值匹配到另一个DataFrame？报错排查与解决

这个报错我太熟悉了——问题出在你直接比较两个长度和索引都不匹配的Series上：data['date']有5行数据，而data_test['date']只有3行，pandas没法默认完成这种非对齐的逐元素比较，所以抛出了ValueError: Can only compare identically-labeled Series objects。

给你两个简单靠谱的解决方法，都是pandas处理这类匹配场景的标准操作：

方法一：使用pd.merge()（推荐，通用性最强） #

merge是pandas专门用来按共同键（这里是date）匹配数据集的工具，能精准把data中对应日期的final_output_ratio值关联到data_test里，而且能保证data_test的原有结构完全保留。

import pandas as pd

# 先初始化你的两个DataFrame
data_test = {'date':['2016-09-01 00:59:59','2016-09-01 01:59:59','2016-09-01 02:59:59'], 
             'stage_1_output':[0.88,0.91,0.82], 
             'stage_2_output':[0.91,0.95,0.87]}
data_test = pd.DataFrame(data=data_test)

data = {'date':['2016-09-01 00:59:59','2016-09-01 01:59:59','2016-09-01 02:59:59','2017-09-01 02:59:59','2017-09-01 03:14:59'], 
        'stage_1_output':[0.88,0.91,0.82,0.88,0.92], 
        'stage_2_output':[0.91,0.95,0.87,0.85,0.9], 
        'final_output_ratio':[0.22,0.17,0.14,0.18,0.24] }
data = pd.DataFrame(data=data)

# 只从data中提取需要的列（date和final_output_ratio），按date匹配到data_test
data_test = pd.merge(data_test, data[['date', 'final_output_ratio']], on='date', how='left')

# 查看结果
print(data_test)

这里how='left'的作用是保留左表（data_test）的所有行，只把右表（data的子集）中匹配到的final_output_ratio值填充进去。因为你的data_test所有日期都在data里存在，所以最终会完美匹配到3个对应值。

方法二：使用map()（更简洁，适合键唯一的场景） #

如果你的data中每个date都是唯一的（不会有重复日期对应多个final_output_ratio），用map映射会更简洁：

# 先把data转换成以date为索引、final_output_ratio为值的Series
ratio_mapping = data.set_index('date')['final_output_ratio']

# 直接给data_test添加新列，通过date映射对应的值
data_test['final_output_ratio'] = data_test['date'].map(ratio_mapping)

这个方法本质是把date当键，直接从映射表中取出对应的值，代码量更少，效率也很高。

运行完任意一种方法后，你都会得到想要的data_test结构：

date stage_1_output stage_2_output final_output_ratio
0 2016-09-01 00:59:59 0.88 0.91 0.22
1 2016-09-01 01:59:59 0.91 0.95 0.17
2 2016-09-01 02:59:59 0.82 0.87 0.14

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