Pandas DataFrame.merge未保留全部日期且未显示NaN问题咨询

我来帮你排查并解决这个问题——你遇到的情况大概率是日期列的数据类型不匹配，或者选的merge方式虽然用了outer，但其实left join更贴合你的需求，能确保完整保留df的所有日期。

第一步：检查并统一日期列的数据类型 #

最常见的坑就是df和sub的date列类型不一致：比如一个是字符串object类型，一个是datetime64类型。这种情况下merge时无法正确识别相同日期，甚至会看似保留了部分日期，但丢失了后续需要显示NaN的行。

先运行这段代码确认类型：

print("df的date列类型:", df['date'].dtype)
print("sub的date列类型:", sub['date'].dtype)

如果类型不一致，统一转换成datetime类型：

df['date'] = pd.to_datetime(df['date'])
sub['date'] = pd.to_datetime(sub['date'])

第二步：用Left Merge替代Outer Merge #

你的需求是完整保留df的所有日期，仅把sub的对应数值填充进去，未匹配的日期显示NaN。这种场景下，how='left'的merge比outer更精准——outer会同时保留两个表中所有不匹配的行，而你只需要保留左表（df）的全部内容。

执行以下代码就能得到你想要的结果：

res = df.merge(sub, on='date', how='left')

另一种更直观的方法：通过索引Join实现 #

你也可以把日期设为索引后使用join方法，逻辑更清晰：

# 将date列设为索引
df_indexed = df.set_index('date')
sub_indexed = sub.set_index('date')

# 左连接后重置索引，恢复date列为普通列
res = df_indexed.join(sub_indexed, how='left').reset_index()

为什么之前的Outer Merge没生效？ #

如果日期类型已经一致，但outer merge仍未保留df的后续日期，那可能是你的df实际上并没有包含2018-04-21至2018-04-30的日期（比如生成df时出错）。可以用这段代码验证df的日期范围：

print("df的最早日期:", df['date'].min())
print("df的最晚日期:", df['date'].max())

内容的提问来源于stack exchange，提问作者prre72