我正在编写一个Pandas例程库，该库需要能够处理可能具有不同类型的数据帧中的日期。具体来说，我得到了datetime.date和熊猫类型的不同组合。_libs. tslb.Timestamp相当多。据报道（并通过我的测试证实），这与设置了多索引然后重置的帧有关。（请参阅我之前的问题什么改变了这个熊猫代码中的日期类型？，它解决了从多索引来回移动时类型被更改的问题。）
这里有一个简短（但做作）的例子：
import pandas as pd
df = pd.DataFrame(
data={
'date' : ['2019-01-01', '2019-01-02', '2019-01-03'],
'value' : [1, 2, 3],
'other' : [11, 12, 13]
}
)
df.date = pd.to_datetime(df.date).dt.date
print df.head()
date other value
0 2019-01-01 11 1
1 2019-01-02 12 2
2 2019-01-03 13 3
df_reindex = df.set_index(['date','other']).reset_index()
date other value
0 2019-01-01 11 1
1 2019-01-02 12 2
2 2019-01-03 13 3
print pd.merge(df, df_reindex, on='date')
Empty DataFrame
Columns: [date, other_x, value_x, other_y, value_y]
Index: []
print pd.merge(df, df, on='date')
date other_x value_x other_y value_y
0 2019-01-01 11 1 11 1
1 2019-01-02 12 2 12 2
2 2019-01-03 13 3 13 3
print pd.merge(df_reindex, df_reindex, on='date')
date other_x value_x other_y value_y
0 2019-01-01 11 1 11 1
1 2019-01-02 12 2 12 2
2 2019-01-03 13 3 13 3
print type(df.date[0])
<type 'datetime.date'>
print type(df_reindex.date[0])
<class 'pandas._libs.tslib.Timestamp'>
这里df和df_reindex本质上有相同的数据内容，但是，由于Pandas内部的类型在set_index的位置已经改变，它们之间的合并是空的，而两者之间的“自合并”本身给出了预期的（尽管在这里的人为情况下，是多余和琐碎的）结果。
当然，真实的情况下，没有像这样随意地设置和重置索引就达到了这一点——真实的数据通过多个位代码，在不同的阶段执行不同的索引要求，合并是在具有一些不重叠列的帧之间进行的。
关于我关于使用NumPy datetime的另一个问题有一个评论，但这似乎是徒劳的，因为转换显然会导致两种有问题的数据类型之一，即底层Pandas类：
df_numpy = df.copy()
df_numpy.date = df.date.apply(np.datetime64)
print type(df.date[0])
<type 'datetime.date'>
print type(df_numpy.date[0])
<class 'pandas._libs.tslib.Timestamp'>
（更不用说我在现有框架内工作，因此此时可能无法强制所有帧都具有NumPy类型而不是Pandas类型。）
我需要做的是能够合并库代码中的表，无论它们是否被我控制之外的调用者如此操纵。我作为输入获得的数据帧不能更改。我可以复制它们并在副本上实现直接转换（就像这里熊猫在日期列问题上合并一样），但是帧有时很大，除非没有其他选择，否则我不想复制它们。
有没有办法让合并将这些识别为等价的？如果没有，是否有最佳实践选择日期格式来避免这里暴露的转换问题？
有没有办法让合并将这些识别为等价的？
不，不是当前的熊猫代码：
# datetimelikes must match exactly
elif is_datetimelike(lk) and not is_datetimelike(rk):
raise ValueError(msg)
elif not is_datetimelike(lk) and is_datetimelike(rk):
raise ValueError(msg)
elif is_datetime64tz_dtype(lk) and not is_datetime64tz_dtype(rk):
raise ValueError(msg)
elif not is_datetime64tz_dtype(lk) and is_datetime64tz_dtype(rk):
raise ValueError(msg)
如果没有，是否有最佳实践选择日期格式来避免此处暴露的转换问题？
我从您的问题中了解到，数据帧及其数据类型超出了您的控制范围，并且无法更改，因此这个问题不会给我们带来任何结果。
def merge_on_date(left, right, on):
from pandas.core.dtypes.common import is_datetimelike
try:
return pd.merge(left, right, on=on)
except:
if is_datetimelike(right[on]):
return pd.merge(left, right.assign(**{on: eval('right[on].dt.date')}), on=on)
else:
return pd.merge(left.assign(**{on: eval('left[on].dt.date')}), right, on=on)
结果：
>>> merge_on_date(df, df_reindex, 'date')
date value_x other_x other_y value_y
0 2019-01-01 1 11 11 1
1 2019-01-02 2 12 12 2
2 2019-01-03 3 13 13 3
>>> merge_on_date(df_reindex, df, 'date')
date other_x value_x value_y other_y
0 2019-01-01 11 1 1 11
1 2019-01-02 12 2 2 12
2 2019-01-03 13 3 3 13
然而，这个很大的缺点是分配在幕后制作了一个副本。
PS：我刚刚看到pd. merge（df，df_reindex，on='date'）在您的示例中产生了一个空数据帧。从版本0.22.0开始，这应该会引发ValueError。你使用的是什么版本？
