如何更高效合并两个SQL查询的Pandas DataFrame？或用单SQL实现

我需要从SQL数据库的两张表中获取数据：从my_table提取指定时间范围的业务数据，从config表提取对应每一列数据的单位（单位与数据列是1:1对应）。

目前我通过两次查询再合并的方式实现了需求：先查询业务数据得到DataFrame，再查询单位信息并转置为行，最后将单位行与数据行合并，得到单位行在前、数据行在后的结果（示例见下方）。但我希望找到更高效的处理方式，尤其是能否直接通过单条SQL查询生成目标DataFrame？

当前实现代码： #

import pandas as pd
import pyodbc

# 连接数据库
conn = pyodbc.connect('<connection info here>')

# 查询'my_table'中指定时间范围内的所有数据
query_data = "SELECT * FROM my_table WHERE timestamp BETWEEN '2024/10/24 11:00:00' AND '2024/10/24 12:00:00'"
# 查询'config'表中'my_table'对应项的单位
query_units = "SELECT units FROM config WHERE t_name=my_table"

# 获取包含请求数据的DataFrame
df = pd.read_sql_query(query_data, conn, 'timestamp')
# 获取每个数据项的单位DataFrame，因返回单列故转置为行（以数据列名为索引）
eu = pd.read_sql_query(query_units, conn, index=df.columns).T

# 合并单位行与数据行，按df.columns（数据值名称）对齐
df = pd.concat(objs=(eu, df))

示例输出结果（当前代码执行正确）： #

data1    data2    data3    ...    dataN
units  volts    amps     temp     ...    volts  （这是插入的单位行）
11:00  10       5        69       ...    9
11:30  11       5        70       ...    10
12:00  12       6        72       ...    9

内容的提问来源于stack exchange，提问作者JRiggles