如何用Pandas将子DataFrame替换为另一个子DataFrame？是否可使用where方法实现？

没问题，我来帮你搞定这个需求！首先我们明确核心目标：替换df1中00:10到00:30时段的行数据为df2对应时段的值，但保留df1原有的DateTime日期。下面分两种方法实现，包括你问到的where方法。

步骤1：准备测试数据 #

先把你提供的df1和df2用Pandas创建出来，方便后续测试：

import pandas as pd

# 创建df1（2019年数据）
df1_data = {
    'DateTime': ['2019-10-14 00:00:00', '2019-10-14 00:10:00', '2019-10-14 00:20:00', '2019-10-14 00:30:00', '2019-10-14 00:40:00'],
    'Col1': [5.35, 4.90, 4.80, 5.12, 5.83],
    'Col2': [201.75, 187.65, 186.89, 177.48, 332.94],
    'Col3': [16.50, 16.49, 16.48, 16.46, 6.45]
}
df1 = pd.DataFrame(df1_data)
df1['DateTime'] = pd.to_datetime(df1['DateTime'])

# 创建df2（2020年数据）
df2_data = {
    'DateTime': ['2020-10-14 00:00:00', '2020-10-14 00:10:00', '2020-10-14 00:20:00', '2020-10-14 00:30:00', '2020-10-14 00:40:00'],
    'Col1': [5.35, 6.90, 6.80, 7.12, 5.83],
    'Col2': [231.75, 217.15, 181.69, 175.48, 212.95],
    'Col3': [14.50, 14.49, 14.46, 14.48, 15.45]
}
df2 = pd.DataFrame(df2_data)
df2['DateTime'] = pd.to_datetime(df2['DateTime'])

方法一：直接定位赋值（最直观） #

这种方法逻辑简单，直接筛选出需要替换的行，然后把df2对应时段的数据赋值过去：

# 定义需要替换的时间范围（只看时分秒，忽略日期）
start_time = pd.to_datetime('00:10:00').time()
end_time = pd.to_datetime('00:30:00').time()

# 筛选df1中需要替换的行
mask_df1 = (df1['DateTime'].dt.time >= start_time) & (df1['DateTime'].dt.time <= end_time)

# 筛选df2中对应时段的行
mask_df2 = (df2['DateTime'].dt.time >= start_time) & (df2['DateTime'].dt.time <= end_time)

# 提取df2的替换数据（只取数值列）
replace_values = df2.loc[mask_df2, ['Col1', 'Col2', 'Col3']].values

# 赋值给df1的对应行，保留原DateTime
df1.loc[mask_df1, ['Col1', 'Col2', 'Col3']] = replace_values

执行后，df1就会完全符合你的预期结果——原2019年的DateTime保留，00:10-00:30时段的数值被替换为df2的对应值。

方法二：使用Pandas的where方法实现 #

当然可以用where方法！不过where的逻辑是条件为True时保留原值，False时替换，所以我们需要反向设置条件：

# 同样定义时间范围
start_time = pd.to_datetime('00:10:00').time()
end_time = pd.to_datetime('00:30:00').time()

mask_df1 = (df1['DateTime'].dt.time >= start_time) & (df1['DateTime'].dt.time <= end_time)
mask_df2 = (df2['DateTime'].dt.time >= start_time) & (df2['DateTime'].dt.time <= end_time)

# 把df2的替换数据重置索引，确保和df1的筛选行顺序对齐
df2_replacement = df2.loc[mask_df2, ['Col1', 'Col2', 'Col3']].reset_index(drop=True)

# 使用where：非替换时段保留df1原值，替换时段用df2的值
df1[['Col1', 'Col2', 'Col3']] = df1[['Col1', 'Col2', 'Col3']].where(~mask_df1, df2_replacement.values)

这里的关键是用~mask_df1取反条件，让需要替换的行触发替换逻辑，同时通过reset_index保证df2的替换数据和df1的目标行顺序一致。

两种方法对比 #

• 直接赋值法：代码更简洁，逻辑直观，适合这种明确的批量替换场景，推荐优先使用。
• where方法：适合需要同时处理"保留/替换"两种逻辑的复杂场景，灵活性更强，但需要注意条件的反向设置和数据对齐。

内容的提问来源于stack exchange，提问作者Fluxy