Pandas高效匹配含±0.5误差的时间戳DataFrame，歧义项填NaN

核心需求 #

现有两个DataFrame：

• df1的time1是精确整数时间戳
• df2的time2是带±0.5测量误差的匹配时间戳，行数可能更多
  需要按时间戳匹配，若一个time1对应多个符合误差范围的time2（歧义），则该位置填NaN，同时要替代低效的apply+lambda暴力搜索方案。

高效解决方案（矢量化操作，避免循环） #

直接用Pandas的分组、统计和合并操作，全程矢量化处理，速度远快于逐行遍历：

import pandas as pd
import numpy as np

# 示例数据
df1 = pd.DataFrame({"time1": [1,2,3,4]})
df2 = pd.DataFrame({"time2": [1.2,4.3,2.3,7.9,2.9, 3.9]})

# 步骤1：给df2计算对应的候选time1（即满足time1±0.5覆盖time2的整数）
df2["matched_time1"] = np.floor(df2["time2"] + 0.5).astype(int)

# 步骤2：过滤掉不在df1的time1范围内的行（避免无效匹配）
df2 = df2[df2["matched_time1"].isin(df1["time1"])]

# 步骤3：统计每个候选time1对应的time2数量，标记歧义组
counts = df2.groupby("matched_time1")["time2"].count()
ambiguous_times = counts[counts > 1].index

# 步骤4：只保留非歧义组的行，每个time1仅留一个匹配项
df2_valid = df2[~df2["matched_time1"].isin(ambiguous_times)].drop_duplicates("matched_time1")

# 步骤5：和df1左连接，得到最终结果
df3 = df1.merge(df2_valid, left_on="time1", right_on="matched_time1", how="left")
df3 = df3[["time1", "time2"]]

print(df3)

输出结果 #

time1  time2
0      1    1.2
1      2    2.3
2      3    2.9
3      4    NaN

为什么高效？ #

全程使用Pandas的内置矢量化函数（np.floor、groupby、merge等），这些操作基于C实现，比Python层面的apply循环快几个数量级，处理百万级数据也能快速完成。

关键细节说明 #

1. 候选time1计算：np.floor(df2["time2"] + 0.5)等价于找到离time2最近的整数，刚好对应time1±0.5的区间（比如2.3最近的整数是2，2.9最近的整数是3）
2. 歧义过滤：通过分组统计数量，直接标记出有多个匹配项的time1，确保这些位置最终填充NaN
3. 去重处理：drop_duplicates保证每个非歧义time1只保留一个匹配项（做防御性处理，避免重复数据干扰）

内容的提问来源于stack exchange，提问作者Maria C