如何基于File_date与Symbol多列合并两个Pandas DataFrame

AI 小北

2026-5-26

基于File_date和Symbol列合并Pandas DataFrame

嘿，我来帮你搞定这两个DataFrame的连接操作！你需要基于File_date和Symbol这两个共同列来合并df_clean和df_allhv_to_date，下面是具体的实现方法和细节：

核心合并方法：`pd.merge()`

Pandas的merge()函数是处理这种多列连接的最佳选择，你只需要指定连接的键（也就是File_date和Symbol），再根据你的需求选择连接类型即可。

1. 内连接（默认）

只保留两个DataFrame中File_date和Symbol都匹配的行：

import pandas as pd

# 内连接
merged_df = pd.merge(df_clean, df_allhv_to_date, on=['File_date', 'Symbol'])

2. 左连接

保留df_clean的所有行，匹配df_allhv_to_date中对应的行，没有匹配的部分会填充为NaN：

merged_df_left = pd.merge(df_clean, df_allhv_to_date, on=['File_date', 'Symbol'], how='left')

3. 右连接

保留df_allhv_to_date的所有行，匹配df_clean中对应的行：

merged_df_right = pd.merge(df_clean, df_allhv_to_date, on=['File_date', 'Symbol'], how='right')

4. 全外连接

保留两个DataFrame的所有行，没有匹配的部分填充为NaN：

merged_df_outer = pd.merge(df_clean, df_allhv_to_date, on=['File_date', 'Symbol'], how='outer')

注意事项：处理索引问题

从你提供的df_clean索引信息来看，它的索引存在重复值：

df_clean.index
Int64Index([4609, 4611, 4608, 4606, 4603, 4600, 4609, 4607, 4604, 4604, ...
0, 0, 0, 0, 0, 0, 0, 0, 0, 4617], dtype='int64', length=419721)

如果你不需要保留原索引，可以在合并时添加ignore_index=True来生成新的连续索引：

merged_df = pd.merge(df_clean, df_allhv_to_date, on=['File_date', 'Symbol'], ignore_index=True)

或者如果你想保留原索引，可以先重置索引：

df_clean_reset = df_clean.reset_index(drop=False)  # drop=False保留原索引为单独列
merged_df = pd.merge(df_clean_reset, df_allhv_to_date, on=['File_date', 'Symbol'])