如何匹配DataFrame列名与另一DataFrame时间索引并按时间差填充新列？

核心思路：根据df_rates的索引（距基准时间的分钟数）计算出对应匹配时间，再用该时间戳从df_profit中提取对应利润值

步骤1：提取并转换基准时间 #

先把df_rates的列名（基准时间）转为datetime类型，方便后续时间运算：

import pandas as pd

# 提取df_rates的基准时间列名
base_time = pd.to_datetime(df_rates.columns[0])

步骤2：计算每行的匹配时间 #

利用df_rates的索引（提前的分钟数），计算出需要和df_profit匹配的时间：

# 基准时间减去索引对应的分钟数，得到匹配时间
df_rates['match_time'] = base_time - pd.to_timedelta(df_rates.index, unit='m')

步骤3：匹配利润值并生成新列 #

确保df_profit的索引为datetime类型后，用map方法匹配对应利润值：

# 确保df_profit索引是datetime类型（若已满足可跳过）
df_profit.index = pd.to_datetime(df_profit.index)

# 匹配利润，无匹配项自动填充NaN
df_rates['New_column'] = df_rates['match_time'].map(df_profit['Profit'])

# 可选：删除中间辅助列match_time
df_rates = df_rates.drop('match_time', axis=1)

最终结果 #

运行后得到的df_rates与预期一致：

2012-03-31 23:45:00  New_column
Mins before time                                    
0                                  113.1     3504.664
5                                  112.1          NaN
10                                 113.1          NaN
15                                 113.17     1215.760
20                                 103.17          NaN
25                                 133.17          NaN
30                                 101.39      -21.480

补充说明 #

• 若需要将NaN替换为空字符串或其他默认值，可使用df_rates['New_column'] = df_rates['New_column'].fillna('')
• 若df_profit存在重复时间戳，建议先处理重复项再进行匹配

内容的提问来源于stack exchange，提问作者Newlearner