如何在Pandas中对齐多组日期-收益列并填充缺失值？

我的Pandas DataFrame存在观测值错位问题：多组日期列（如Date.0、Date.1）与对应收益列（如ABC Return、XYZ Return）是通过API单独生成的，导致日期无法匹配。

示例原始数据：

import pandas as pd
import numpy as np

data = {"Date.0": ["1/1/2022","1/2/2022", "1/3/2022","1/4/2022"], "ABC Return": [11, 21, 31, 41], "Date.1": ["1/1/2022","1/2/2022", "1/4/2022","1/5/2022"], "XYZ Return": [12, 22, 42, 51] }
df = pd.DataFrame(data)

期望的目标格式（所有日期对齐，缺失值填充为NaN）：

data = {"Date.0": ["1/1/2022","1/2/2022", "1/3/2022","1/4/2022","1/5/2022"], "ABC Return": [11, 21, 31, 41, np.NaN], "Date.1": ["1/1/2022","1/2/2022", "1/3/2022", "1/4/2022","1/5/2022"], "XYZ Return": [12, 22, np.NaN, 42, 51]}
df = pd.DataFrame(data)

目前我有近60个这类变量，除了手动在Excel中合并外，还没找到可扩展的解决方案。

注：收益列仅以xxx Return结尾，无其他固定规律；日期列按Date.0、Date.1编号，有固定规律。

基于Nick的方案调整后，以下代码可实现需求（已适配多变量场景）：

import pandas as pd
import numpy as np

# 获取所有收益列的名称列表
ticker_list = [col for col in df.columns if col.endswith('Return')]

# 收集所有日期列的唯一日期，构建基准日期索引
dates = pd.DataFrame(pd.concat([df[f'Date.{v}'] for v in range(len(ticker_list))]).unique()).set_index(0)

date_counter = 0
dfs = []
for ticker in ticker_list:
    # 将当前收益列与对应日期列合并到基准日期索引上，填充缺失值为NaN
    dfs.append(dates.join(df[[f'Date.{date_counter}', ticker]].set_index(f'Date.{date_counter}')).fillna(np.NaN))
    date_counter += 1 

# 合并所有处理后的DataFrame，重置索引并命名为date
out = pd.concat(dfs, axis=1).reset_index(names='date')

内容的提问来源于stack exchange，提问作者Tartaglia