如何基于ticker和date键合并两个Pandas DataFrame，解决拼接报错和空值问题

问题根因说明 #

• pd.concat(axis=1) 是按行索引对齐拼接，不会主动匹配ticker和date字段，只要两个表行数一致就会硬拼，导致最终结果出现两个ticker列和两个date列，你用var['ticker']取到的是二维DataFrame，传入.loc判断自然会报多维键错误。
• 直接用merge出现大量空值，大概率是两个原因：一是默认用了how='inner'内连接，仅保留两边都匹配的记录；二是两个表的ticker、date字段格式不一致（比如一个是日期类型一个是字符串，ticker带多余空格等）导致关联不上。

实现步骤 #

1. 先统一关联键格式（避免隐性不匹配） #

import pandas as pd

# 统一两个表的date字段为datetime类型，消除字符串格式差异
financials_Balance_Sheet_yearly['date'] = pd.to_datetime(financials_Balance_Sheet_yearly['date'])
financials_Income_Statement_yearly['date'] = pd.to_datetime(financials_Income_Statement_yearly['date'])

# 统一ticker字段，去除首尾空格，避免隐性不匹配
financials_Balance_Sheet_yearly['ticker'] = financials_Balance_Sheet_yearly['ticker'].str.strip()
financials_Income_Statement_yearly['ticker'] = financials_Income_Statement_yearly['ticker'].str.strip()

2. 用外连接实现全量保留合并 #

指定ticker和date为关联键，用how='outer'外连接保留两边所有记录，匹配不到的字段自动填充NaN，方便后续校验清洗：

merged_df = pd.merge(
    left=financials_Balance_Sheet_yearly,
    right=financials_Income_Statement_yearly,
    on=['ticker', 'date'],
    how='outer',
    suffixes=('_balance', '_income') # 非关联重名字段自动加后缀区分，避免覆盖
)

3. 筛选AAPL.US记录 #

aapl_data = merged_df.loc[merged_df['ticker'] == 'AAPL.US']

可选：不匹配记录校验 #

如果需要单独排查两边匹配不上的记录，可以用以下代码筛选：

# 仅在资产负债表中存在的记录
balance_only = merged_df[merged_df.filter(regex='_income$').isna().all(axis=1)]
# 仅在利润表中存在的记录
income_only = merged_df[merged_df.filter(regex='_balance$').isna().all(axis=1)]

内容的提问来源于stack exchange，提问作者Lostsoul