两个时间序列（每个都有唯一的 DateTimeIndex）和填充的有序合并？答案

【问题标题】：Ordered merge of two timeseries (each with unique DateTimeIndex) and ffilling?两个时间序列（每个都有唯一的 DateTimeIndex）和填充的有序合并？
【发布时间】：2016-01-15 03:15:40
【问题描述】：

time                       price
2015-11-18 00:00:00.000    42.02
2015-11-18 00:00:00.021    42.01
2015-11-18 00:00:00.126    42.01
2015-11-18 00:00:00.127    42.02
Name: price, dtype: float64

time                       price
2015-11-18 00:00:00.000    106.82
2015-11-18 00:00:00.020    106.82
2015-11-18 00:00:00.021    106.82
2015-11-18 00:00:00.207    106.82
2015-11-18 00:00:00.325    106.82
Name: price, dtype: float64

我想将这两个唯一的 DataFrame（假设一个是 stock1，一个是 stock2）合并为一个多索引（由 stock1 和 stock2）DataFrame，如下所示：

                            STOCK1          STOCK2
time                       price
2015-11-18 00:00:00.000    106.82           42.02
2015-11-18 00:00:00.126    106.82           42.01
2015-11-18 00:00:00.127    106.82           42.02
2015-11-18 00:00:00.020    106.82           42.02
2015-11-18 00:00:00.021    106.82           42.01
2015-11-18 00:00:00.021    106.82           42.01   
2015-11-18 00:00:00.207    106.82           42.01   
2015-11-18 00:00:00.325    106.82           42.01

当我尝试先创建多索引时，我得到了

ValueError: 无法从重复的轴重新索引

也尝试了ordered_merge，但没有得到正确的结果。

首先通过联合重新索引 Stock1 和 Stock2 然后对它们进行多重索引是否有意义？实现结果的最佳过程是什么？

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

我在阅读时丢失了日期信息，但这应该可以工作

In [37]: df = pd.concat([s1, s2], keys=['stock1', 'stock2'], axis=1).fillna(method='ffill')

In [38]: df.columns = pd.MultiIndex.from_product(['price', df.columns])

In [39]: df
Out[39]:
              price
             stock1  stock2
00:00:00.000  42.02  106.82
00:00:00.020  42.02  106.82
00:00:00.021  42.01  106.82
00:00:00.126  42.01  106.82
00:00:00.127  42.02  106.82
00:00:00.207  42.02  106.82
00:00:00.325  42.02  106.82

concat 基本上在这里执行索引标签的外连接/联合。由于它们共享最外层，因此我将列级别从您的输入方式中翻转过来。如果你真的想要它，就像你的例子一样，把最后一个翻转到pd.MultiIndex.from_product([df.columns, 'price'])

【讨论】：