Python：多索引DataFrame合并后结果为空的问题求助

核心问题1：合并列名拼写错误 #

你写的代码里用了on=['fecha','CP']，但两个DataFrame的时间列实际都是date，这个拼写错误会导致Pandas找不到匹配的合并键，直接返回空结果集。

核心问题2：数据可能无交集 #

从你给出的样本数据来看：

• clima_mod_15m的CP值是15001这类，而nodos_mod的CP是41920这类，两者无重叠
• clima_mod_15m的起始时间是2022-04-06，nodos_mod的起始时间是2022-03-19，时间范围也没有重叠
  即使修正了列名，没有同时匹配date和CP的行，合并结果依然会是空的。

验证与修复步骤 #

1. 修正合并列名 #

先把代码里的fecha改成date：

test = pd.merge(nodos_mod, clima_mod_15m, on=['date', 'CP'])
print(len(test))

2. 检查数据是否有交集 #

执行以下代码确认两个DataFrame是否存在共同的CP值和重叠的时间范围：

# 检查共同的CP值
common_cps = set(nodos_mod['CP']).intersection(set(clima_mod_15m['CP']))
print("共同CP值：", common_cps)

# 检查时间范围
print("nodos_mod时间区间：", nodos_mod['date'].min(), "~", nodos_mod['date'].max())
print("clima_mod_15m时间区间：", clima_mod_15m['date'].min(), "~", clima_mod_15m['date'].max())

3. 处理索引的问题 #

你提到两个DataFrame都以date和CP作为索引，若要基于索引合并，需调整代码为：

# 基于(date, CP)复合索引合并
test = pd.merge(nodos_mod, clima_mod_15m, left_index=True, right_index=True)

或者先将索引转为普通列再合并：

nodos_mod = nodos_mod.reset_index()
clima_mod_15m = clima_mod_15m.reset_index()
test = pd.merge(nodos_mod, clima_mod_15m, on=['date', 'CP'])

4. 若数据无交集的替代方案 #

如果确实没有同时匹配date和CP的行，可以考虑：

• 确认数据源是否正确（比如是否拿错了不同区域的CP数据）
• 使用按最近时间匹配的merge_asof（先按CP匹配，再找最近的时间点）：

# 先按CP和date排序
nodos_mod_sorted = nodos_mod.sort_values(['CP', 'date'])
clima_mod_sorted = clima_mod_15m.sort_values(['CP', 'date'])

# 按CP匹配，找每个nodos记录最近的clima记录
test = pd.merge_asof(nodos_mod_sorted, clima_mod_sorted, on='date', by='CP', direction='nearest')

内容的提问来源于stack exchange，提问作者Francisco Hernandez