如何匹配覆盖同期但缺失不同日期的两组利率时间序列？

嘿，这个需求我太熟了！不管你用Excel还是Python，都有很简便的办法搞定，分两种常用场景给你拆解：

方法一：用Excel处理 #

场景1：删除长序列的额外日期（仅保留两组都有的交易日） #

假设全日历日数据在A列（日期）和B列（利率），交易日数据在C列（日期）和D列（利率）：

• 新建一列（比如E列），在E2单元格输入公式：=XLOOKUP(A2,$C$2:$C$1000,$D$2:$D$1000,"")，下拉填充整个E列。这个公式会把全日历日中属于交易日的利率匹配过来，非交易日则显示空白。
• 选中E列，点击「数据」→「筛选」，筛选出非空白的行，删除空白行后，剩下的就是两组都有数据的日期，直接在新列计算B列 - E列就能得到利差。

场景2：给短序列补全日期（填充空白或插值） #

如果想保留所有日历日，给交易日数据补全非交易日的内容：

• 同样用XLOOKUP匹配：在D列旁新建F列，F2输入=XLOOKUP(A2,$C$2:$C$1000,$D$2:$D$1000,"")，下拉后F列就和A列日期完全对应，非交易日显示空白。之后用IFERROR(B2-F2,"")计算利差，避免空白行出现错误值。
• 如果需要插值（比如线性插值填补非交易日数据），可以用FORECAST.ETS函数：F2输入=FORECAST.ETS(A2,$D$2:$D$1000,$C$2:$C$1000)，它会自动基于已有交易日数据对非交易日做时间序列插值。

方法二：用Python（Pandas库）处理 #

Pandas是处理时间序列的利器，几步就能完成对齐：

1. 先读取两组数据为DataFrame（假设日期列名为date，利率列分别为rate_full和rate_trade）：

   import pandas as pd
   # 读取全日历日数据，解析日期并设为索引
   df_full = pd.read_csv("full_dates.csv", parse_dates=["date"], index_col="date")
   # 读取交易日数据，同样处理日期索引
   df_trade = pd.read_csv("trade_dates.csv", parse_dates=["date"], index_col="date")
   

2. 仅保留共同日期并计算利差：

   # 取两组数据的日期交集，自动对齐
   df_combined = df_full.join(df_trade, how="inner", lsuffix="_full", rsuffix="_trade")
   # 计算利差列
   df_combined["spread"] = df_combined["rate_full"] - df_combined["rate_trade"]
   

   运行后df_combined里就只有两组都有数据的日期，直接查看spread列即可。

3. 补全短序列日期（填充空白或插值）：

   # 将交易日数据重采样到全日历日，缺失值留空
   df_trade_full = df_trade.reindex(df_full.index)
   # 若需要线性插值填充缺失值，替换为下面一行
   # df_trade_full = df_trade.reindex(df_full.index).interpolate(method="linear")
   
   # 合并数据并计算利差
   df_combined = pd.concat([df_full, df_trade_full], axis=1)
   df_combined["spread"] = df_combined["rate_full"] - df_combined["rate_trade"]
   

内容的提问来源于stack exchange，提问作者Mike B