如何在Python中匹配df1时间处于df2区间的记录并获取位置

核心需求 #

为df1的每条记录，匹配df2中相同Person_ID且Event_DateTime处于Start_Time与End_Time之间的Location字段，最终生成目标DataFrame df3。

前提准备 #

先确保所有时间字段为datetime类型，否则先转换：

import pandas as pd

df1['Event_DateTime'] = pd.to_datetime(df1['Event_DateTime'])
df2['Start_Time'] = pd.to_datetime(df2['Start_Time'])
df2['End_Time'] = pd.to_datetime(df2['End_Time'])

方法一：Merge + 布尔过滤（简单直接，适配数千行数据） #

先按Person_ID合并两个DataFrame，再过滤符合时间区间的行，最后整理结果：

# 按Person_ID合并两表
merged_df = pd.merge(df1, df2, on='Person_ID', how='left')

# 过滤时间区间条件
filtered_df = merged_df[(merged_df['Event_DateTime'] >= merged_df['Start_Time']) & 
                        (merged_df['Event_DateTime'] <= merged_df['End_Time'])]

# 整理为目标df3
df3 = filtered_df[['Person_ID', 'Event_DateTime', 'Location']].reset_index(drop=True)

注：若一个Event_DateTime匹配到多个Location，会保留所有匹配行；如需唯一结果，可添加drop_duplicates(subset=['Person_ID', 'Event_DateTime'])处理。

方法二：逐行匹配（逻辑灵活，适合需额外处理的场景） #

用apply逐行筛选符合条件的记录，逻辑清晰，数千行数据速度可接受：

def get_matched_location(row):
    # 筛选同ID且时间在区间内的df2行
    matched = df2[(df2['Person_ID'] == row['Person_ID']) & 
                  (df2['Start_Time'] <= row['Event_DateTime']) & 
                  (df2['End_Time'] >= row['Event_DateTime'])]
    # 返回第一个匹配的Location，无匹配则返回空值
    return matched['Location'].iloc[0] if not matched.empty else pd.NA

# 生成df3
df3 = df1.copy()
df3['Location'] = df3.apply(get_matched_location, axis=1)

方法三：IntervalIndex优化（效率更高，适合数据量偏大的情况） #

利用IntervalIndex加速区间匹配，比直接布尔比较更高效：

# 为df2创建时间区间列
df2['Time_Interval'] = pd.IntervalIndex.from_arrays(df2['Start_Time'], df2['End_Time'], closed='both')

def find_location(row):
    # 筛选同ID的分组
    group = df2[df2['Person_ID'] == row['Person_ID']]
    if group.empty:
        return pd.NA
    # 查找包含当前Event_DateTime的区间
    mask = group['Time_Interval'].contains(row['Event_DateTime'])
    matched = group[mask]
    return matched['Location'].iloc[0] if not matched.empty else pd.NA

# 生成df3
df3 = df1.copy()
df3['Location'] = df3.apply(find_location, axis=1)

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