如何合并两个DataFrame：保留首个DataFrame时间戳，缺失值填充NaN

你需要的是**左连接（left join）**而非内连接或concat，具体实现步骤如下：

1. 统一时间戳类型 #

首先确保两个DataFrame的timestamp列均为datetime类型（seconddf的原始数据是字符串，必须转换才能正确匹配）：

import pandas as pd

# 生成firstdf（原代码不变）
daterange = pd.date_range(start='1/1/2023 09:30:00', end='1/3/2023 09:35:00', freq='min') 
daterange_keep = (pd.DatetimeIndex(pd.to_datetime(daterange))
          .indexer_between_time('09:30', '09:35') 
       )
firstdf= pd.DataFrame(daterange[daterange_keep])
firstdf.columns = ['timestamp']

# 转换seconddf的时间戳类型
seconddf = pd.DataFrame({'timestamp': ['2023-01-01 09:30:00', '2023-01-01 09:32:00', '2023-01-01 09:34:00', '2023-02-01 09:30:00'], 'value': [3,5,7,9]})
seconddf['timestamp'] = pd.to_datetime(seconddf['timestamp'])

2. 左连接合并DataFrame #

使用merge的how='left'参数，会保留firstdf的所有时间戳，匹配seconddf中对应的值，无匹配的位置自动填充NaN，同时自动丢弃seconddf中不在firstdf范围内的数据：

merged_df = firstdf.merge(seconddf, on='timestamp', how='left')

3. 重命名value列 #

用rename方法独立完成列名修改，替换为你需要的名称：

merged_df = merged_df.rename(columns={'value': '目标列名'})

最终输出示例 #

运行后merged_df的核心结果片段如下：

关于concat的说明 #

concat仅用于按行/列直接拼接DataFrame，不支持基于键（时间戳）的匹配合并场景，你的需求本质是基于时间戳的左连接匹配，merge(how='left')才是正确方案。

内容的提问来源于stack exchange，提问作者Allure