如何用逻辑或合并两个带日期索引的Pandas DataFrame？

当然有办法实现这个需求！针对你给出的场景，这里有两种简洁的解决方案：

方法1：使用combine方法（索引完全匹配时推荐） #

combine方法可以让我们对两个DataFrame的对应元素应用自定义逻辑，同时通过fill_value处理缺失的列/行。对于你的需求，我们直接用逻辑或操作（|），缺失的位置填充False即可：

import pandas as pd

# 构造示例数据（和你的输入一致）
A = pd.DataFrame(
    {'a': [True, False, False],
     'b': [False, True, False],
     'c': [False, False, True]},
    index=pd.to_datetime(['2018-02-19', '2018-02-20', '2018-02-21'])
)

B = pd.DataFrame(
    {'a': [False, False, True],
     'b': [True, False, True],
     'd': [True, False, True]},
    index=pd.to_datetime(['2018-02-19', '2018-02-20', '2018-02-21'])
)

# 核心代码
C = A.combine(B, lambda x, y: x | y, fill_value=False)

运行后得到的C就是你想要的结果：

>>> C
               a      b      c      d
Timestamp                            
2018-02-19  True   True  False   True
2018-02-20  False  True  False  False
2018-02-21  True   True   True   True

原理：

• 对于两个DataFrame都有的列（a、b），对应元素直接做逻辑或运算；
• 对于A独有的列（c），B中没有对应数据，用fill_value=False填充，结果就是A原有的值（x | False = x）；
• 对于B独有的列（d），A中没有对应数据，用fill_value=False填充，结果就是B原有的值（False | y = y）。

方法2：使用concat + groupby（索引不完全匹配时适用） #

如果你的两个DataFrame索引可能存在不一致的情况，这个方法更通用：先按列拼接两个DataFrame，填充缺失值为False，再按列名分组，对每组取any()（逻辑或的等价操作，只要组内有一个True结果就是True）：

C = pd.concat([A, B], axis=1).fillna(False).groupby(level=0, axis=1).any()

原理：

• pd.concat([A, B], axis=1)会把两个DataFrame按列拼接，自动对齐索引，共同列会出现两次；
• fillna(False)把拼接后产生的缺失值转为False，避免布尔运算出错；
• groupby(level=0, axis=1)按原始列名分组（拼接后共同列的列名重复，level=0对应原始列名）；
• any()方法对每组内的元素取逻辑或，独有的列只有一组元素，直接保留原数据。

内容的提问来源于stack exchange，提问作者user2317421