Pandas：基于多列索引合并两个时间序列数据框

没问题！要把这两个DataFrame合并成包含所有状态列且保留所有行的结果，用pandas的全外连接就能轻松实现，具体步骤如下：

核心代码实现 #

直接使用pd.merge()函数，指定全外连接模式即可：

import pandas as pd

# 执行全外连接合并
merged_df = pd.merge(
    df_1,
    df_2,
    on=['session_id', 'user_id', 'timestamp'],  # 基于这三列匹配行
    how='outer'  # 保留两个DataFrame的所有行
)

参数说明 #

• on=['session_id', 'user_id', 'timestamp']：指定用来匹配两行是否属于同一记录的关联键，确保这三个列完全匹配的行会被合并到同一行中。
• how='outer'：这是实现需求的关键参数，它会保留df_1和df_2中的每一行——如果某行在另一个DataFrame中没有匹配的关联键，对应的缺失列会自动用NaN填充。

示例验证 #

为了更直观地看到效果，我们可以构造测试数据来验证：

# 构造示例df_1
df_1 = pd.DataFrame({
    'session_id': ['s1', 's2', 's3'],
    'user_id': ['u1', 'u2', 'u3'],
    'timestamp': ['2024-01-01', '2024-01-02', '2024-01-03'],
    'state1': [True, False, True],
    'state2': [0, 1, 0]
})

# 构造示例df_2
df_2 = pd.DataFrame({
    'session_id': ['s2', 's3', 's4'],
    'user_id': ['u2', 'u3', 'u4'],
    'timestamp': ['2024-01-02', '2024-01-03', '2024-01-04'],
    'state3': ['active', 'inactive', 'active'],
    'state4': [10, 20, 30]
})

合并后的merged_df会包含以下内容：

• 来自df_1的s1行（state3和state4为NaN）
• 同时存在于两个DataFrame的s2、s3行（所有状态列都有值）
• 来自df_2的s4行（state1和state2为NaN）

完全符合你“保留所有行、包含所有状态列”的需求。

内容的提问来源于stack exchange，提问作者Michal Hucko