不同RangeIndex长度的字符串合并时按日期匹配填充缺失值的实现方法

以下基于Python pandas库实现，适配你提到的多个不等长时间序列按日期匹配、空缺值前向填充的需求：

核心逻辑 #

1. 先确定所有序列的完整基准日期序列：可以取所有输入字符串里出现过的日期去重后排序，也可以直接用最长的那个序列的日期作为基准
2. 把每个输入字符串都转换为独立的DataFrame，将日期列设为索引
3. 所有DataFrame都重索引到前面的基准日期序列，用ffill（前向填充）参数自动填充空缺位置的上一个有效值
4. 把处理完的所有DataFrame横向拼接即可

示例代码 #

import pandas as pd

# 1. 处理输入字符串转DataFrame
# 字符串1转df1
s1 = """20160101   1.08526
20160102   1.08535
20160103   1.09052
20160104   1.08659"""
df1 = pd.DataFrame([line.split() for line in s1.strip().split('\n')], columns=['date1', 'val1'])
df1['val1'] = df1['val1'].astype(float)

# 字符串2转df2
s2 = """20160101   150.0659
20160103   145.8063
20160104   143.5892"""
df2 = pd.DataFrame([line.split() for line in s2.strip().split('\n')], columns=['date2', 'val2'])
df2['val2'] = df2['val2'].astype(float)

# 2. 生成基准日期序列，这里用df1的完整日期作为基准
full_dates = df1['date1'].tolist()

# 3. 给df2重索引+前向填充缺失值
df2_filled = df2.set_index('date2').reindex(full_dates, method='ffill').reset_index()
df2_filled.columns = ['date2', 'val2']

# 4. 横向拼接得到结果
result = pd.concat([df1, df2_filled], axis=1)

# 输出为字符串格式的话可以用以下代码
output_str = result.to_string(header=False, index=False)
print(output_str)

多序列扩展方法 #

如果你有5个不等长的序列，只需要把每个序列都按照上面处理df2的逻辑，统一重索引到基准日期序列并前向填充，再一起放到concat的列表参数里即可。

注意事项 #

• 如果序列开头就存在缺失值，ffill不会填充，有需要可以额外加bfill参数向后填充开头空缺
• 日期如果是跨多月/多年的非连续格式，基准日期可以用pd.date_range生成连续日期序列后转成你需要的字符串格式

内容的提问来源于stack exchange，提问作者Svensation