我目前正在尝试按其各自的日期/时间列合并两个数据帧。有关我的每个数据集的信息如下：

data1.head(5)
                  DATE     AA           ...        AB    AB2
0  2011-01-01 00:30:00     6135.998518  ...        0.0   80.331500
1  2011-01-01 01:00:00     5711.638352  ...        0.0   74.380500
2  2011-01-01 01:30:00     5455.901902  ...        0.0   82.742500
3  2011-01-01 02:00:00     5130.634418  ...        0.0  102.091667
4  2011-01-01 02:30:00     4854.064390  ...        0.0  113.467667

[5 rows x 30 columns]

data2.head(5)
        DATE            A DEM         A RRP  ...    AA7 RRP AB DEM       AB RRP
0  2006/01/01 00:30:00  8013.27833    19.67  ...    36.00  5657.67500    20.03
1  2006/01/01 01:00:00  7726.89167    18.56  ...    33.00  5460.39500    18.66
2  2006/01/01 01:30:00  7372.85833    19.09  ...    33.01  5766.02500    20.38
3  2006/01/01 02:00:00  7071.83333    17.40  ...    33.02  5503.25167    18.59
4  2006/01/01 02:30:00  6865.44000    17.00  ...    33.00  5214.01500    17.53

[5 rows x 11 columns]

我正在尝试的代码如下import numpy as np import pandas as pd

data1=pd.read_csv("1.csv")
data2=pd.read_csv("2.csv")

mergeddf = pd.merge(data1[['DATE','AA','AA2','AB']],
                                 data2[['DATE','A RRP']],on='DATE')


mergeddf.to_csv("out.csv",index=False)

这就是我的mergeddf的样子：

因此，您可以看到代码只合并标头而不合并数据。当我的一个约会开始于2011，我的一个约会开始时2006我想合并它们以便它们相交，这样我只有在它们的日期交叉时才开始获取数据，我该如何实现这一目标呢？

解决办法：DATE列可能是类型对象，然后您无法加入不同格式的日期（例如2006/01/01 vs 2006-01-01）。您需要更改这些以键入datetime。

data1['DATE'] = pd.to_datetime(data1['DATE'])

data2['DATE'] = pd.to_datetime(data2['DATE'])

mergeddf = pd.merge(data1[['DATE','AA','AA2','AB']],

data2[['DATE','A RRP']],on='DATE')