如何正确按列拼接两个DataFrame并实现日期对齐的并排显示？

问题描述 #

尝试将两个DataFrame内容并排展示，执行以下代码后：

gh = pd.concat([data[0], data[1]], keys=["Berlin", "London"], axis=1)

结果出现双列索引（name和date），对应城市的数值区域存在大量NaN，仅在各自索引行有数据。期望实现：仅保留date作为行索引，同一日期下两个城市的对应数值并排显示，无NaN值。

解决方案 #

问题核心在于两个DataFrame的行索引未统一为date，且原代码的keys参数导致列多级索引，同时行索引未对齐产生NaN。按以下步骤调整：

1. 预处理单个DataFrame：
   分别提取每个城市数据的date和数值列，将数值列重命名为城市名，并设置date为行索引：

   # 处理Berlin数据（替换value为你的实际数值列名）
   berlin_df = data[0].set_index('date')[['value']].rename(columns={'value': 'Berlin'})
   # 处理London数据
   london_df = data[1].set_index('date')[['value']].rename(columns={'value': 'London'})
   

2. 合并DataFrame：
   基于统一的date索引，使用pd.concat横向合并：

   gh = pd.concat([berlin_df, london_df], axis=1)
   

替代方案（使用merge） #

如果需要更严格的索引对齐，也可以用pd.merge：

gh = pd.merge(
    data[0].set_index('date'),
    data[1].set_index('date'),
    left_index=True,
    right_index=True,
    suffixes=('_Berlin', '_London')
)

说明 #

• 确保两个DataFrame的date列完全匹配（无缺失或不重复的日期），否则仍会出现NaN，可根据需求用fillna()填充缺失值。
• 预处理时移除无关列（如name），避免合并后出现冗余的多级列索引。

内容的提问来源于stack exchange，提问作者rafaelHTML