python - 使用现有TimeSerie中的索引和另一个TimeSerie中的列在Pandas中创建DataFrame

我想使用现有TimeSerie的索引以及具有不同时间索引的另一个TimeSerie的值来创建DataFrame或TimeSerie。 TimeSeries看起来像；

 <class 'pandas.core.series.Series'>
DT
2018-01-02    172.3000
2018-01-03    174.5500
2018-01-04    173.4700
2018-01-05    175.3700
2018-01-08    175.6100
2018-01-09    175.0600
2018-01-10    174.3000
2018-01-11    175.4886
2018-01-12    177.3600
2018-01-16    179.3900
2018-01-17    179.2500
2018-01-18    180.1000
...

和

<class 'pandas.core.series.Series'>
DT
2018-01-02        NaN
2018-01-09    175.610
2018-01-16    177.360
2018-01-23    180.100
...

我想使用第一个TS中的索引，并用适当的索引值填充第二个TS中的值。喜欢;

<class 'pandas.core.series.Series'>
DT
2018-01-02   NaN
2018-01-03   NaN
2018-01-04   NaN
2018-01-05   NaN
2018-01-08   NaN
2018-01-09   175.610
2018-01-10   NaN
2018-01-11   NaN
2018-01-12   NaN
2018-01-16   177.360
2018-01-17   NaN
2018-01-18   NaN
...

谢谢

最佳答案

IIUC，使用Series.reindex：

new_s = s2.reindex(s1.index)

#2018-01-02       NaN
#2018-01-03       NaN
#2018-01-04       NaN
#2018-01-05       NaN
#2018-01-08       NaN
#2018-01-09    175.61
#2018-01-10       NaN
#2018-01-11       NaN
#2018-01-12       NaN
#2018-01-16    177.36
#2018-01-17       NaN
#2018-01-18       NaN
#Name: s2, dtype: float64

关于python - 使用现有TimeSerie中的索引和另一个TimeSerie中的列在Pandas中创建DataFrame，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/59921846/