Pandas DataFrame合并时日期自动转为日期时间格式问题

问题背景 #

我需要合并2013-02-08至2018-02-07五年间500只股票的收盘价，目标是构建以日期为索引、每列对应一只股票的DataFrame。但使用Pandas的join函数时，索引的日期格式自动转为datetime格式，导致合并后的DataFrame所有条目均为NaN。

相关代码与操作过程 #

1. 导入并初始化数据 #

import pandas as pd

df= pd.read_csv('all_stocks_5yr.csv')
df.head()

通过df['Name'].unique().shape确认数据包含505个股票名称，用pd.date_range(df['date'].min(), df['date'].max())生成目标日期范围dates，并初始化空DataFrame：

close_prices = pd.DataFrame(index=dates)  # 将索引设置为日期

2. 单只股票处理测试 #

提取前3只股票的收盘价生成临时DataFrame，结果符合预期：索引为日期格式，仅包含对应股票的收盘价。

symbols = df['Name'].unique() # 将股票名称存储为数组
i = 1
for symbol in symbols:
    df_sym = df[df['Name']==symbol] 
    df_tmp = pd.DataFrame(data=df_sym['close'].to_numpy() , index = df_sym['date'], columns=[symbol])

    print(df_tmp)                # 打印临时DataFrame
 
    i += 1
    if i >3: break

示例输出：

AAL
date             
2013-02-08  14.75
2013-02-11  14.46
2013-02-12  14.27
2013-02-13  14.66
2013-02-14  13.99
...           ...
2018-02-01  53.88
2018-02-02  52.10
2018-02-05  49.76
2018-02-06  51.18
2018-02-07  51.40

[1259 rows x 1 columns]

3. 合并时出现异常 #

使用join合并前3只股票的临时DataFrame时，结果所有条目均为NaN，且索引自动转为datetime格式：

i = 1
for symbol in symbols:
    df_sym = df[df['Name']==symbol] 
    df_tmp = pd.DataFrame(data=df_sym['close'].to_numpy() , index = df_sym['date'], columns=[symbol])
  
    close_prices = close_prices.join(df_tmp)
    i += 1
    if i >3: break

close_prices.head()

疑问 #

为什么合并过程中日期索引会自动转为datetime格式，进而导致索引无法匹配、合并结果全为NaN？

内容的提问来源于stack exchange，提问作者Jane172