如何扩展Pandas DataFrame，使两表date_time列起止日期一致

要让两个DataFrame的date_time覆盖从min_date到max_date的完整时间范围，同时保留原始数据、缺失点补NaN，可以用Pandas的date_range生成完整时间序列，再通过reindex对齐索引，具体步骤如下：

1. 确保日期列是datetime类型
   如果你的date_time还不是datetime格式，先转换：

   data['date_time'] = pd.to_datetime(data['date_time'])
   temp_data['date_time'] = pd.to_datetime(temp_data['date_time'])
   

2. 生成完整的时间序列
   根据原数据的时间间隔（比如小时、天）生成从min_date到max_date的完整序列。可以让Pandas自动推断频率，也可以手动指定：

   # 自动推断时间频率（比如'H'代表小时，'D'代表天）
   inferred_freq = data['date_time'].inferred_freq or temp_data['date_time'].inferred_freq
   # 生成完整时间范围，若自动推断不准，可手动设置freq参数，比如freq='D'
   full_date_range = pd.date_range(start=min_date, end=max_date, freq=inferred_freq)
   

3. 重新索引对齐两个DataFrame
   将原表的date_time设为索引，用完整时间序列重新索引，缺失的时间点会自动填充NaN，最后重置索引恢复date_time为列：

   # 处理Voltage表
   data_full = data.set_index('date_time') \
                   .reindex(full_date_range) \
                   .reset_index() \
                   .rename(columns={'index': 'date_time'})
   
   # 处理Temperature表
   temp_data_full = temp_data.set_index('date_time') \
                             .reindex(full_date_range) \
                             .reset_index() \
                             .rename(columns={'index': 'date_time'})
   

这样处理后，data_full和temp_data_full的date_time列就完全覆盖了min_date到max_date的所有时间点，原始数据完整保留，新增的时间点对应的数值列都是NaN。

内容的提问来源于stack exchange，提问作者EnigmAI