将小 df 中的数据快速并入大 df 中（2020-12-28 更新）

需求描述

有一大一小两个dataframe。
其中 df_big 是每个股票每天的若干个日数据，行索引为 [股票代码，交易日期] 的两层。

In[37]: df_big.shape
Out[37]: (90772, 6)

In[38]: df_big.head()
Out[38]: 
                    close  pct_chge  ...            cap  turn_rate
symbol    tdate                      ...                          
000006.SZ 20100104  11.12   -1.8535  ...  563987.787344   1.242116
          20100105  10.80   -2.8777  ...  547757.922960   2.588797
          20100106  10.83    0.2778  ...  549279.472746   2.728014
          20100107  10.74   -0.8310  ...  544714.823388   2.015962
          20100108  11.00    2.4209  ...  557901.588200   1.769723
[5 rows x 6 columns]

df_small 是某债券的每天日收益，行索引是 [交易日期]的一层

In[29]: df_small.head()
Out[29]: 
             yield
20100104  0.000048
20100105  0.000092
20100106  0.000423
20100107  0.000050
20100108  0.000076

目前想在 df_big 中的每个股票的数据中，都增加一列 df_small [ yield ] 的内容，并按交易日期对齐。
同时由于数据比较多，希望使用效率能高一些。
麻烦的地方是，由于有的股票上市晚，每个股票的数据行数不统一。

talk is cheap，show me the codes

方法1：用循环硬算

In[49]: 
from time import time

t1 = time()
df_big= pd.read_pickle(r"d:df_big.pkl")
_, trad_date_big = zip(*df_big.index)
yield_0 = []
df_small= pd.read_pickle(r"d:df_small.pkl")
df_small_dict = {}
trad_data_small = df_small.index.values
yield_1 = df_small["yield"].values
for d, y in zip(trad_data_small, yield_1):
    df_small_dict[str(d)] = y
for d in trad_date_big:
    yield_0.append(df_small_dict.get(str(d), -1.0))
df_big["yield_0"] = yield_0
t2 = time()
print(f 用时 {t2-t1} 秒 )
print(df_big.tail(10))

Out[49]:
用时 0.17649459838867188 秒
                               close          pct_chge ...  turn_rate  yield_0
symbol          tdate...                     
601999.SH       20100719       11.03          0.3640  ...   1.083451  0.000063
                20100720       11.28          2.2665  ...   1.129400  0.000080
                20100721       11.00         -2.4823  ...   1.108417  0.000072
                20100722       11.27          2.4545  ...   0.881257  0.000072
                20100723       11.48          1.8634  ...   1.147836  0.000072
                20100726       11.65          1.4808  ...   0.884288  0.000073
                20100727       11.37         -2.4034  ...   0.495699  0.000073
                20100728       11.96          5.1891  ...   1.310141  0.000072
                20100729       11.87         -0.7525  ...   1.337995  0.000074
                20100730       11.83         -0.3370  ...   0.877386  0.000072
[10 rows x 7 columns]

方法2：采用 pandas.merge_ordered()

from time import time

t1 = time()
df_big= pd.read_pickle(r"d:df_big.pkl")
df_small= pd.read_pickle(r"d:df_small.pkl")
df_big = df_big.reset_index()
df_small = df_small.reset_index()
df_all = pd.merge_ordered(df_big, df_small, left_on= TRADE_DT , right_on= index )
df_all2 = df_all.sort_values(by=[ S_INFO_WINDCODE ,  TRADE_DT ]).reset_index(drop=True)
t2 = time()
print(f 用时 {t2-t1} 秒 )
print(df_big.tail(10))

用时 0.1884779930114746 秒
      S_INFO_WINDCODE  TRADE_DT  ...     index  S_DQ_CLOSE_y
90762       601999.SH  20100719  ...  20100719      0.000063
90763       601999.SH  20100720  ...  20100720      0.000080
90764       601999.SH  20100721  ...  20100721      0.000072
90765       601999.SH  20100722  ...  20100722      0.000072
90766       601999.SH  20100723  ...  20100723      0.000072
90767       601999.SH  20100726  ...  20100726      0.000073
90768       601999.SH  20100727  ...  20100727      0.000073
90769       601999.SH  20100728  ...  20100728      0.000072
90770       601999.SH  20100729  ...  20100729      0.000074
90771       601999.SH  20100730  ...  20100730      0.000072
[10 rows x 10 columns]

嗯，方法2用时差不多，关键是代码简单干脆，言简意赅。。。。