如何按时间顺序合并不同时间维度、不同大小的DataFrame？

你的问题出在没有指定合并键且未对结果排序。直接用how='outer'但不指定on参数时，Pandas虽然会基于共同列做外连接，但不会自动按你需要的run_id+time顺序排列，导致结果是原DataFrame的行堆叠。

正确实现步骤 #

1. 基于run_id和time两个列做外连接，保留所有行和列，无匹配的位置填充NaN；
2. 按run_id分组，再按time升序排序，得到你要的时间顺序结果。

完整代码 #

import pandas as pd

# 构造示例数据（替换成你自己的DataFrame即可）
df1 = pd.DataFrame({
    'time': [0,24,48,0,24,48],
    'run_id': ['H1','H1','H1','H2','H2','H2'],
    'weight': [500,400,300,900,800,700]
})

df2 = pd.DataFrame({
    'time': [0.5,10,40,60,0.5,5,35,70],
    'run_id': ['H1','H1','H1','H1','H2','H2','H2','H2'],
    'totalizer': [100,200,300,400,900,1000,1100,1200]
})

# 外连接+排序
merged_df = pd.merge(df1, df2, on=['run_id', 'time'], how='outer')
merged_df = merged_df.sort_values(by=['run_id', 'time']).reset_index(drop=True)

# 可选：将NaN转为空字符串（匹配你期望的显示效果）
merged_df = merged_df.fillna('')

print(merged_df)

输出结果 #

关键说明 #

• pd.merge的on=['run_id', 'time']确保同一run_id下的同一时间行会合并，不同时间的行各自保留；
• sort_values(by=['run_id', 'time'])先按实验分组（H1/H2），再按时间从小到大排序，完全匹配你的需求；
• 若不需要NaN，可以用fillna('')转为空字符串，贴合你给出的期望格式。

内容的提问来源于stack exchange，提问作者wew044