如何合并多索引DataFrame以生成按日期分组的股票横截面？

直接解决方案：concat + 索引排序 #

你需要的结构可以通过纵向拼接两个DataFrame后，对多索引排序直接实现，这是最简洁的方式：

import pandas as pd
import numpy as np

# 生成原始数据（你的代码）
dates = pd.date_range(start='2020-01-01', periods = 5)
stock_id_msft = ['MSFT']*5
stock_id_aapl = ['AAPL']*5

index = pd.MultiIndex.from_tuples(list(zip(*[dates, stock_id_msft])), 
                                  names = ['date', 'stock_id'])
df_msft = pd.DataFrame(index = index,
                       data  = np.random.rand(5)*10,
                       columns = ['price'])

index = pd.MultiIndex.from_tuples(list(zip(*[dates, stock_id_aapl])), 
                                  names = ['date', 'stock_id'])
df_aapl = pd.DataFrame(index = index, 
                       data = np.random.rand(5),
                       columns= ['price'])

# 核心合并步骤
df_combined = pd.concat([df_aapl, df_msft]).sort_index(level=['date', 'stock_id'])

结果验证 #

执行以下代码查看索引结构，完全符合你的要求：

print(df_combined.index.values.tolist())

输出：

[('2020-01-01', 'AAPL'),
 ('2020-01-01', 'MSFT'),
 ('2020-01-02', 'AAPL'),
 ('2020-01-02', 'MSFT'),
 ('2020-01-03', 'AAPL'),
 ('2020-01-03', 'MSFT'),
 ('2020-01-04', 'AAPL'),
 ('2020-01-04', 'MSFT'),
 ('2020-01-05', 'AAPL'),
 ('2020-01-05', 'MSFT')]

关于merge/join的说明 #

merge和join更适合横向按键匹配列的场景，比如合并不同字段的数据集。如果硬要用它们实现你的需求，需要先将索引转为列，做全外合并后再处理列和索引，步骤繁琐且没必要：

# 不推荐的merge方式（仅作演示）
df_msft_reset = df_msft.reset_index()
df_aapl_reset = df_aapl.reset_index()
# 合并后会生成price_x和price_y，还需额外处理列
df_merged = pd.merge(df_msft_reset, df_aapl_reset, on=['date', 'stock_id'], how='outer')
# 再转回多索引并整理，远不如concat高效

内容的提问来源于stack exchange，提问作者ySmith