如何用Pandas将两个秒级索引DataFrame插值到新时间基准并做二进制与操作？

核心思路 #

利用pandas的reindex方法结合method='nearest'参数，直接将两个DataFrame对齐到新的时间基准，自动完成最近邻插值（完全适配二进制0/1数据，无需额外round()处理），之后即可直接执行二进制与操作。

完整代码实现 #

import pandas as pd
import numpy as np

# 生成示例数据
data1 = pd.DataFrame({'time': np.arange(2, 300, 0.2),
                      'data': np.random.randint(0, 2, len(np.arange(2, 300, 0.2)))
                      }).set_index('time')

data2 = pd.DataFrame({'time': np.arange(10, 260, 0.2),
                      'data': np.random.randint(0, 2, len(np.arange(10, 260, 0.2)))
                      }).set_index('time')

new_timebase = np.linspace(10, 250, 2400)

# 对两个DataFrame执行最近邻插值，对齐到新时间基准
data1_aligned = data1.reindex(new_timebase, method='nearest')
data2_aligned = data2.reindex(new_timebase, method='nearest')

# 执行二进制与操作
result = data1_aligned['data'] & data2_aligned['data']

# 查看结果（可选）
print(result.head())

关键细节说明 #

• method='nearest'：自动匹配原索引中距离新时间点最近的数值，对于二进制数据来说是最精准的插值方式，避免了线性插值带来的非整数结果。
• 索引范围适配：你的new_timebase区间（10-250）完全落在两个原始DataFrame的索引范围内（data1:2-300，data2:10-260），因此无需额外处理缺失值。如果后续遇到新时间超出原索引范围的情况，可以添加fillna()参数补充默认值（比如fillna(0)）。
• 二进制与操作：对齐后的两个Series索引完全一致，直接用&即可逐元素执行二进制与运算，得到有意义的状态结果。

内容的提问来源于stack exchange，提问作者Max