Pandas不同长度索引不对齐的Series求差的更简洁实现方案

更简洁的实现方案 #

有两种更简洁的写法，核心是利用Pandas Series的reindex方法直接补0对齐，无需转DataFrame合并。

方法1：手动指定起止日期（适配你的需求场景） #

你已经明确需要覆盖2009-01-03到2009-01-14的连续日期，直接构造完整日期索引后对两个Series重索引补0再相减即可：

import pandas as pd
from datetime import timedelta

# 构造完整日期索引
full_idx = pd.date_range('2009-01-03', '2009-01-14', freq='d').date
# 两个Series都重索引到完整日期，缺失值补0后相减
res = sro.reindex(full_idx, fill_value=0) - sri.reindex(full_idx, fill_value=0)
print(res)

方法2：自动匹配两个Series的最大最小日期范围 #

如果不需要固定起止日期，要自动覆盖两个Series所有出现过的日期区间，可以自动计算日期范围：

# 自动取两个Series索引的最小、最大日期作为范围边界
min_date = min(sri.index.min(), sro.index.min())
max_date = max(sri.index.max(), sro.index.max())
full_idx = pd.date_range(min_date, max_date, freq='d').date
res = sro.reindex(full_idx, fill_value=0) - sri.reindex(full_idx, fill_value=0)
print(res)

两种方法的输出都和你期望的结果完全一致，相比原来转DataFrame合并的写法，代码量更少，逻辑也更直观。

内容的提问来源于stack exchange，提问作者sci9