Pandas按条件拼接两个DataFrame实现逐月跨年同期对比

本需求核心为动态匹配去年同期历史行、纵向拼接数据、规整索引顺序，全程无需复杂关联操作，通过固定逻辑流程即可适配所有月份切换场景，完全匹配给出的2021年1月示例输出效果。

分步实现流程 #

• 配置动态对齐基准月份
  将需要对齐的同期月份设置为可传入的参数，避免硬绑定系统时间导致的测试、复用不便。对齐2021年1月同期数据时，设置current_align_month = 1；进入2021年2月时只需将参数值替换为2，后续业务逻辑无需任何修改。
• 筛选历史同期数据子集
  基于MultiIndex的层级取值能力，从2020年历史DataFrame中过滤出所有Type下、与基准月份一致的行，自动剔除其余月份的冗余历史数据。核心筛选代码：

  # 从2020年历史数据中匹配对应当月的所有行
  filtered_hist = df_2020[df_2020.index.get_level_values('Date').month == current_align_month]
  

• 纵向拼接数据集
  两个DataFrame的列结构、索引层级结构完全一致，直接通过纵向拼接合并内容，不会出现列错位、索引匹配异常的问题：

  # 纵向拼接筛选后的历史子集和全量2021年新数据
  combined_df = pd.concat([filtered_hist, df_2021], axis=0)
  

• 规整索引排序
  拼接完成后按Type、Date两个索引层级做升序排序，保证每个Type分组下的日期严格按时间先后排列，和示例输出的顺序完全对齐：

  # 多级索引排序，固定同一Type下的日期排列顺序
  combined_df = combined_df.sort_index(level=['Type', 'Date'])
  

效果匹配验证 #

• 当current_align_month = 1时，筛选得到的历史子集为所有Type对应的2020-01-01行，拼接后每个Type分组下的行顺序为：2020-01-01行 → 2021-01-01行 → 2021-02-01行 → ... → 2021-05-01行，完全复现给出的1月场景示例。
• 当current_align_month = 2时，筛选逻辑自动提取所有Type对应的2020-02-01行，之前保留的2020-01-01历史行不再出现在结果中，拼接后每个Type分组的行顺序为：2020-02-01行 → 2021年全量日期行，满足2月场景的切换要求。

易踩坑提示 #

• 不要使用merge类关联操作拼接两个数据集：两个数据集的日期范围无重叠（历史为2020年、新数据为2021年），merge会自动添加列后缀打乱原有列结构，纵向concat是当前场景下适配度最高的拼接方式。
• 不要硬编码固定日期的切片逻辑：比如直接写死取2020-01-01的行，后续如果扩展到多年历史数据场景，只需调整月份匹配规则即可复用，无需逐行修改硬编码日期值。
• 不要省略拼接后的索引排序步骤：后续如果调整代码执行顺序，sort_index能保证最终索引顺序永远符合“同一Type下日期按时间升序排列”的要求，不会出现历史行排在新数据行后面的顺序错乱问题。

内容的提问来源于stack exchange，提问作者JuniorESE