如何合并两个不同时间范围的数据集？

Question

我有两个如下所示的数据集：

df1 ：

日期	城市	状态	数量
2019-01	芝加哥	伊利诺伊州	35
2019-01	奥兰多	佛罗里达州	322
...	……	...	...
2021-07	芝加哥	伊利诺伊州	334
2021-07	奥兰多	佛罗里达州	4332

df2 ：

日期	城市	状态	销售量
2020-03	芝加哥	伊利诺伊州	30
2020-03	奥兰多	佛罗里达州	319
...	...	...	...
2021-07	芝加哥	伊利诺伊州	331
2021-07	奥兰多	佛罗里达州	4000

我的date在两个数据集的格式period[M]中。 我曾尝试使用df1.join(df2,how='outer')和(df2.join(df1,how='outer')命令，但它们没有正确加起来，基本上，在2019-01中，我有sales for 2020-03 . 我怎样才能加入这两个数据集，这样我的输出如下：

我无法使用merge()因为我必须与City和State以及Date的组合合并

日期	城市	状态	数量	销售量
2019-01	芝加哥	伊利诺伊州	35	钠
2019-01	奥兰多	佛罗里达州	322	钠
...	...	...	...	...
2021-07	芝加哥	伊利诺伊州	334	331
2021-07	奥兰多	佛罗里达州	4332	4000

Answer 1

您可以outer-merge 。 通过不指定要合并的列，您可以合并两个 DataFrame 中列的交集（在本例中为Date 、 City和State ）。

out = df1.merge(df2, how='outer').sort_values(by='Date')

输出：

      Date     City State  Quantity   Sales
0  2019-01  Chicago    IL      35.0     NaN
1  2019-01  Orlando    FL     322.0     NaN
4  2020-03  Chicago    IL       NaN    30.0
5  2020-03  Orlando    FL       NaN   319.0
2  2021-07  Chicago    IL     334.0   331.0
3  2021-07  Orlando    FL    4332.0  4000.0