如何合并不同时间粒度的两个Pandas DataFrame并按日期时间排序

操作分三步完成：

• 对齐两个DataFrame的字段结构：日度表daily_df没有time列，先给这列赋值为空字符串，和小时表sixtymin_df的字段保持完全一致
• 纵向拼接两个表
• 按规则排序：先按date字段升序，同日期下按time字段升序——空字符串的排序优先级早于任何时间字符串，刚好能让日度数据排在当日所有小时数据前面，完全匹配预期输出

完整实现代码：

import pandas as pd

# 1. 给日度数据补充空time列，对齐字段
daily_df['time'] = ''

# 2. 纵向合并两个表，重置索引
merged_df = pd.concat([daily_df, sixtymin_df], ignore_index=True)

# 3. 按要求排序，重置索引
# 注意：如果date是dd/mm/yyyy格式的字符串，先转datetime类型避免字符串排序逻辑错误
merged_df['date'] = pd.to_datetime(merged_df['date'], format='%d/%m/%Y')
merged_df = merged_df.sort_values(by=['date', 'time'], ignore_index=True)
# 如果需要保留原字符串样式的日期输出，排序后转回去即可
merged_df['date'] = merged_df['date'].dt.strftime('%d/%m/%Y')

执行后输出的merged_df结构和示例预期完全一致：

date      time change    type
0  14/06/2022            50%   daily
1  14/06/2022  12:00:00    27%  hourly
2  14/06/2022  13:00:00    12%  hourly
3  14/07/2022            46%   daily

补充说明：如果后续需要调整日度数据在当日的排序位置，不用空字符串，可以给日度数据的time列赋值'00:00:00'或者其他你想要锚定的排序时间点即可，排序逻辑不用改。

内容的提问来源于stack exchange，提问作者boioboi