Fusionar (numpy) matrices basadas en la fecha

Tengo N matrices cada una estructurada como la siguiente

Array 1: [['2014-01-01', '2014-01-03' ...], [1.1, 0.5, ...]] Array 2: [['2014-01-01', '2014-01-02' ...], [1.4, 0.9, ...]] Array 3: [['2014-01-02', '2014-01-04' ...], [0.8, 1.5, ...]] 

Y quiero obtener algún tipo de dataframe como el siguiente

 date 1-data 2-data 2014-01-01 1.1 1.4 2014-01-02 0 0.9 2014-01-03 0.5 0 2014-01-04 0 0 

El problema, como puede ver en el ejemplo, es que algunas fechas se excluyen de cada matriz (es decir, las fechas no son las mismas en todas las matrices). Estoy luchando por encontrar una manera rápida y pirónica de combinar todos mis arreglos en un dataframe y llenar los datos faltantes con ceros.

Esto debería resolverlo, usando la función de merge y outer método outer

 >>> import pandas as pd >>> import numpy as np >>> d1 = pd.DataFrame(np.array([['2014-01-01', '2014-01-03'], [1.1, 0.5]])).T >>> d2 = pd.DataFrame(np.array([['2014-01-01', '2014-01-02'], [1.4, 0.9]])).T >>> d3 = pd.DataFrame(np.array([['2014-01-02', '2014-01-04'], [0.8, 1.5]])).T >>> d1.columns = d2.columns = d3.columns = ['t','v'] >>> pd.DataFrame(np.array(d1.merge(d2, on='t', how='outer'). ... merge(d3, on='t', how='outer'). ... sort('t')), ... columns=['date','1-data','2-data','3-data']) ... date 1-data 2-data 3-data 0 2014-01-01 1.1 1.4 NaN 1 2014-01-02 NaN 0.9 0.8 2 2014-01-03 0.5 NaN NaN 3 2014-01-04 NaN NaN 1.5 [4 rows x 4 columns]