如何基于Datetime范围为Pandas DataFrame分配标签列值？

我有一个字典，键为标签，值是包含起始和结束Datetime的列表：

d = {'A': [2020-01-01 00:00:00+00:00, 2024-01-24 00:00:00+00:00]}

我有一个含time列的DataFrame，希望当time列的Datetime落在字典对应标签的时间范围内时，为其分配该标签，处理后示例如下：

ID  time                       Label
1   2024-01-23 00:00:00+00:00  A

处理纯日期时我使用以下代码：

for k, (s, e) in d.items():
    df.loc[df["time"].isin(pd.date_range(s, e)), 'Label'] = k

但pd.date_range函数不适用于Datetime范围匹配，请问如何修改代码以适配时间范围而非日期范围？

不需要生成完整的时间序列来匹配，直接通过布尔条件判断时间是否落在目标区间内即可，这种方法既支持带时区的Datetime，也更高效。

修改后的代码示例：

import pandas as pd

# 初始化字典与DataFrame（确保时间为pd.Timestamp类型）
d = {'A': [pd.Timestamp('2020-01-01 00:00:00+00:00'), pd.Timestamp('2024-01-24 00:00:00+00:00')]}
df = pd.DataFrame({'ID': [1], 'time': [pd.Timestamp('2024-01-23 00:00:00+00:00')]})

for label, (start_time, end_time) in d.items():
    # 直接判断time列的值是否在[start_time, end_time]区间内
    df.loc[(df['time'] >= start_time) & (df['time'] <= end_time), 'Label'] = label

关键说明 #

• 确保字典中的起始/结束时间为pd.Timestamp类型，如果原始数据是字符串，可通过pd.to_datetime()转换
• 若存在多标签时间区间重叠的情况，后执行的标签会覆盖先执行的结果，如需自定义优先级可调整循环顺序或添加额外判断逻辑
• 此方法避免了生成海量时间点，在处理大数据集时性能优势明显

内容的提问来源于stack exchange，提问作者Anna Ortega