如何基于datetime索引与指定列合并Pandas DataFrame

核心逻辑说明：

• 两个df的列虽然物理顺序不同，但每个值是严格绑定对应列名的，必须按列名匹配值，不能按列的物理位置硬套df1的列顺序，否则会把df2的A、B值完全颠倒
• 按datetime索引取两个df的日期并集，对重叠日期的重复行做去重，最终按日期排序、调整列顺序即可得到目标结果

具体实现代码 #

1. 统一转换索引为datetime格式，避免对齐错位：

import pandas as pd

# 将两个数据帧的索引转换为标准日期格式
df1.index = pd.to_datetime(df1.index)
df2.index = pd.to_datetime(df2.index)

2. 按列名自动对齐做外连接拼接：

# 按索引做外连接拼接，pandas会自动匹配列名对齐不同顺序的列
combined = pd.concat([df1, df2], join="outer")

3. 去除重叠日期产生的重复行（两个df在重叠日期的记录值完全一致，去重不影响结果）：

combined = combined.drop_duplicates(keep="first")

4. 按日期升序排序，调整列顺序为A、B，得到最终结果：

df = combined.sort_index()[["A", "B"]]

结果匹配验证 #

• 仅存在于df2的日期会严格按列名取值：比如01-05-2021，df2中B列值为11、A列值为0，对应最终结果A=0、B=11；01-06-2021df2中B列值为2、A列值为9，对应最终结果A=9、B=2，完全符合预期
• 两个df重叠的日期记录值完全一致，去重后无重复索引、无值错位

注意：不要在处理时直接按列位置强行修改df2的列名，比如写df2.columns = ["A", "B"]这类操作，会直接把df2的A、B值颠倒，和预期结果不符。

内容的提问来源于stack exchange，提问作者Tobitor