如何在Pandas中匹配另一表前一小时区间的对应Volume事件数

首先明确透视表df_aux的结构，假设它包含三列：Volume（与主表对应）、hour_interval（1小时区间的起始时间，比如2022-01-01 03:00:00代表03:00-04:00的区间）、event_count（该区间的事件数）。如果你的df_aux时间列存储的是区间结束时间，只需调整时间计算逻辑即可。

步骤1：统一时间类型 #

先确保两个表的时间列都是datetime类型：

# 转换主表Date列
df_main['Date'] = pd.to_datetime(df_main['Date'])
# 转换透视表的时间列
df_aux['hour_interval'] = pd.to_datetime(df_aux['hour_interval'])

步骤2：计算主表每条记录对应的目标区间 #

对于df_main的每条Date，需要找到它前一小时所在的区间起始时间——比如2022-01-01 04:14:00对应的是03:00的起始区间，用floor('H')方法可直接把时间向下取整到最近的小时：

df_main['target_hour'] = df_main['Date'].dt.floor('H')

如果你的df_aux存储的是区间结束时间（比如03:00-04:00的区间存成2022-01-01 04:00:00），则改为：

df_main['target_hour'] = df_main['Date'].dt.floor('H') + pd.Timedelta(hours=1)

步骤3：匹配透视表的事件数 #

方法1：用merge关联（适合数据量中等的场景）

通过Volume和计算出的target_hour（对应df_aux的hour_interval）做左连接，保留主表所有记录：

# 整理透视表为映射表，重命名事件数列
df_aux_mapping = df_aux[['Volume', 'hour_interval', 'event_count']].rename(columns={'event_count': 'occurrences_1h_prev'})

# 关联主表
df_main = df_main.merge(df_aux_mapping, 
                        left_on=['Volume', 'target_hour'], 
                        right_on=['Volume', 'hour_interval'],
                        how='left')

# 删除临时列
df_main.drop(['target_hour', 'hour_interval'], axis=1, inplace=True)

若存在Volume+时间区间在df_aux中无记录的情况，occurrences_1h_prev会出现NaN，可补0处理：

df_main['occurrences_1h_prev'] = df_main['occurrences_1h_prev'].fillna(0)

方法2：用字典映射（适合大数据量场景，速度更快）

构建(Volume, hour_interval): event_count的映射字典，直接匹配主表记录：

# 构建映射字典
count_map = df_aux.set_index(['Volume', 'hour_interval'])['event_count'].to_dict()

# 批量映射，无匹配则返回0
df_main['occurrences_1h_prev'] = df_main.apply(
    lambda row: count_map.get((row['Volume'], row['Date'].dt.floor('H')), 0),
    axis=1
)

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