Pandas：如何将实际数据DataFrame映射到理想时间线并填充NaN？

方法一：使用左连接（merge） #

以理想时间线为基准，通过左连接保留所有预期时间点，缺失数据自动填充NaN：

1. 先确保两个DataFrame的datetime列为时间类型（若原始数据是字符串格式）
2. 执行左连接操作

import pandas as pd

# 转换datetime列为datetime类型（若原始数据是字符串）
df_ideal['datetime'] = pd.to_datetime(df_ideal['datetime'])
df_real['datetime'] = pd.to_datetime(df_real['datetime'])

# 左连接：保留理想时间线的所有时间点，缺失数据自动填充NaN
result_df = pd.merge(df_ideal, df_real, on='datetime', how='left')

方法二：使用reindex重置索引 #

通过将实际数据的索引设为datetime，再用理想时间线的时间序列重新索引，快速补全缺失值：

# 转换datetime类型
df_ideal['datetime'] = pd.to_datetime(df_ideal['datetime'])
df_real['datetime'] = pd.to_datetime(df_real['datetime'])

# 将实际数据按datetime设为索引，重新匹配理想时间线的时间点
df_real.set_index('datetime', inplace=True)
result_df = df_real.reindex(df_ideal['datetime']).reset_index()

两种方法都能得到你期望的结果：理想时间线的所有时间点都被保留，缺失时段的对应列自动填充NaN。

内容的提问来源于stack exchange，提问作者wdsky