合并Pandas DataFrame并保留重复条目，实现同时间戳值匹配

你的核心需求是把B中同一时间戳下的一致值映射到A的对应时间戳条目里，避免merge带来的笛卡尔积数据膨胀。关键在于先对B做去重处理，只保留每个时间戳对应的唯一值，再和A做匹配。

具体操作步骤 #

• 第一步：清洗B数据，提取时间戳与对应唯一值
  由于B中同一时间戳的目标值是一致的，先按时间戳分组，取每组的第一个值即可（用first()/nth(0)都可以，只要保证同时间戳值唯一）：

  # 假设时间戳列名为'timestamp'，要提取的目标列是'value'
  B_clean = B.groupby('timestamp')['value'].first().reset_index()
  

  要是担心同时间戳存在不同值，可以先做校验：

  # 检查每个时间戳对应的value是否唯一
  duplicate_check = B.groupby('timestamp')['value'].nunique()
  # 筛选出有多个不同值的时间戳
  problematic_ts = duplicate_check[duplicate_check > 1].index
  if len(problematic_ts) > 0:
      print("以下时间戳存在不一致值：", problematic_ts)
  

• 第二步：将清洗后的B与A做左连接
  用merge做左连接，以A为基准，这样不会增加A的行数：

  A_merged = A.merge(B_clean, on='timestamp', how='left')
  

  完成后A里每个时间戳的条目都会匹配到B中对应的唯一值，不会出现数据膨胀。

示例验证 #

假设A的数据如下：

B的数据如下：

清洗后的B_clean是：

最终A_merged结果：

补充说明 #

如果A和B的时间戳列数据类型不一致，先统一格式：

# 将时间戳转为datetime类型
A['timestamp'] = pd.to_datetime(A['timestamp'], format='%d.%m.%Y  %H:%M')
B['timestamp'] = pd.to_datetime(B['timestamp'], format='%d.%m.%Y  %H:%M')

这样能避免因格式不匹配导致的匹配失败。

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