pandas如何合并带datetime索引的异构DataFrame，保留重复行与缺失值？

步骤1：统一索引类型（关键前置操作） #

多数匹配失败的问题都是两个表的datetime索引格式不一致导致的，比如一个为字符串类型、一个为datetime类型，或者时区存在差异，先统一格式：

import pandas as pd

# 统一转换为无时区的datetime类型，避免隐性匹配失效
lots.index = pd.to_datetime(lots.index).dt.tz_localize(None)
measurements.index = pd.to_datetime(measurements.index).dt.tz_localize(None)

步骤2：执行索引外连接 #

使用外连接即可完全满足需求，如果两个表存在同名字段，可通过suffixes参数加后缀区分：

merged_df = lots.merge(
    measurements,
    how="outer",
    left_index=True,
    right_index=True,
    # 无同名字段可删除下一行参数
    suffixes=("_lots", "_measure")
)

结果说明 #

合并后的结果完全符合要求：

• Measurements中同一datetime的多条重复记录，会自动匹配Lots中对应datetime的唯一行，生成对应数量的重复行，Lots相关字段会自动重复填充
• 仅存在于单个表的datetime索引，对应另一个表的字段统一填充为NaN
• 两个表的所有字段都会完整保留

你此前测试的how="outer"逻辑本身是正确的，没有得到预期结果基本都是索引格式不匹配导致的，完成步骤1的预处理后再执行合并即可。

内容的提问来源于stack exchange，提问作者Mohamed Arebi