如何对比两个DataFrame中同object的近似time差值（精度<0.01）

核心思路是通过按object字段合并两个DataFrame，仅保留跨两个DataFrame的行配对（天然避免同一DataFrame内部行的对比），再筛选时间差符合要求的记录对并计算差值。

具体步骤 #

1. 按object合并两个DataFrame
   使用pandas.merge的内连接，以object为关联键，只会保留两个DataFrame中都存在的object，且每一行配对都是来自第一个DataFrame和第二个DataFrame的组合，不会出现同一DataFrame内部行的关联。

2. 计算时间绝对差值
   新增字段存储两个time列的绝对差值。

3. 筛选符合条件的记录
   过滤出时间绝对差值小于0.01的行，得到目标结果。

代码示例 #

import pandas as pd

# 构造示例数据
df1 = pd.DataFrame({
    'object': ['A', 'A', 'B', 'C'],
    'time': [1.23, 1.25, 3.45, 5.67]
})

df2 = pd.DataFrame({
    'object': ['A', 'B', 'B', 'D'],
    'time': [1.24, 3.44, 3.46, 7.89]
})

# 按object合并，保留跨DF的配对
merged_df = pd.merge(df1, df2, on='object', suffixes=('_df1', '_df2'))

# 计算时间绝对差值
merged_df['time_diff'] = abs(merged_df['time_df1'] - merged_df['time_df2'])

# 筛选差值小于0.01的记录
result = merged_df[merged_df['time_diff'] < 0.01]

# 输出指定格式的结果
print(result[['object', 'time_df1', 'time_df2', 'time_diff']])

关键说明 #

• 使用suffixes参数区分两个DataFrame的time列，避免列名冲突。
• 内连接（默认how='inner'）确保只处理两个DataFrame共有的object，若需保留某一方所有object，可改为左/右连接并额外处理空值。
• 若数据量极大，可先按object分组再配对优化效率，上述方法在多数场景下简洁高效。

内容的提问来源于stack exchange，提问作者Matthmatth03