如何基于推特与特斯拉股票数据创建MultiIndex DataFrame？

我来帮你解决这个需求——以特斯拉股票的日期索引为基准，匹配对应日期的推特数据，生成带日期和推文编号的多级索引DataFrame。下面是具体的实现步骤和优化方案：

核心思路 #

我们需要先对齐两者的日期格式，筛选出股票日期范围内的推特数据，然后为每个日期下的推文分配序号，最后构建多级索引。

完整实现代码 #

import pandas as pd

# 第一步：统一日期格式，确保两者日期类型一致
# 处理推特数据的Date列
sortedTweetsData['Date'] = pd.to_datetime(sortedTweetsData['Date'])
# 处理股票数据的索引
TeslaData.index = pd.to_datetime(TeslaData.index)

# 第二步：筛选出日期存在于股票索引中的推特记录
matched_tweets = sortedTweetsData[sortedTweetsData['Date'].isin(TeslaData.index)]

# 第三步：为每个日期内的推文生成编号（从1开始）
matched_tweets['Number of Tweets'] = matched_tweets.groupby('Date').cumcount() + 1

# 第四步：构建MultiIndex并整理列顺序
matched_tweets.set_index(['Date', 'Number of Tweets'], inplace=True)
final_df = matched_tweets[['Full text', 'Retweets', 'Likes']]

对你现有尝试的优化说明 #

你原来的嵌套循环写法有几个问题：

• 效率极低：双重循环遍历数据，当数据量稍大时会非常卡顿，用pandas的内置方法（isin、groupby）能大幅提升性能
• 索引构建逻辑错误：from_product是生成笛卡尔积，不适合这种“每个日期对应自身推文编号”的场景，我们需要的是分组后为每组生成序号再设置索引
• 数据收集缺失：你只做了计数，没有把推文的具体内容（Full text、Retweets、Likes）整合到结果里

最终输出效果 #

运行上面的代码后，你会得到和期望一致的结果：

Full text          Retweets  Likes
Date       Number of Tweets
2018-04-13 1                RT @Tesla...        2838      0
           2                @timkhiggins...     7722  40733
           3                @TheEconomist..    1911  18634

内容的提问来源于stack exchange，提问作者Rachele Povelato