如何用Pandas匹配营业时间DataFrame与含Datetime列的DataFrame

步骤说明与代码实现 #

先构造示例数据（可替换为你的真实数据）：

import pandas as pd
import numpy as np

# 1. 营业时间表：day_of_week对应0-6（周一到周日，可根据实际调整）
hours_df = pd.DataFrame({
    'day_of_week': [0,1,2,3,4,5,6],
    'start': ['09:00:00', '09:00:00', '09:00:00', '09:00:00', '09:00:00', '10:00:00', np.nan],
    'end': ['18:00:00', '18:00:00', '18:00:00', '18:00:00', '20:00:00', '16:00:00', np.nan]
})
# 将start/end转为时间类型（数据已是time类型可跳过）
hours_df['start'] = pd.to_datetime(hours_df['start'], format='%H:%M:%S').dt.time
hours_df['end'] = pd.to_datetime(hours_df['end'], format='%H:%M:%S').dt.time

# 2. 主数据：Datetime索引，包含elec、gas、day_of_week列
dates = pd.date_range('2024-01-01', periods=14, freq='H')
main_df = pd.DataFrame({
    'elec': np.random.rand(len(dates)),
    'gas': np.random.rand(len(dates)),
    'day_of_week': dates.dayofweek
}, index=dates)

执行核心操作：

1. 按day_of_week关联两个DataFrame
   把营业时长信息匹配到主表每一行：

# 先把主表索引转成列，方便合并
merged_df = pd.merge(main_df.reset_index(), hours_df, on='day_of_week', how='left')
merged_df.rename(columns={'index': 'ts'}, inplace=True)

2. 提取时间并判断是否在营业时段内
   从ts中提取时间部分，和对应行的start/end比较：

# 提取ts的时间部分（仅时、分、秒）
merged_df['ts_time'] = merged_df['ts'].dt.time

# 构造判断条件：start/end非空，且ts_time在两者之间
condition = (merged_df['start'].notna()) & (merged_df['end'].notna()) & (merged_df['ts_time'].between(merged_df['start'], merged_df['end']))

# 新增DuringHours列
merged_df['DuringHours'] = np.where(condition, True, False)

3. 整理结果（可选）
   把ts放回索引，清理临时列：

merged_df.set_index('ts', inplace=True)
merged_df.drop('ts_time', axis=1, inplace=True)

关键说明 #

• between_time无法直接使用的原因：它是针对整个DataFrame的固定时段筛选，而这里每行的营业时段随day_of_week动态变化，必须逐行匹配后判断。
• NaN处理：只要start或end为空，condition就返回False，DuringHours自动设为False，符合需求。
• 时间类型：确保start/end和ts_time都是datetime.time类型，否则无法正确比较。若数据是字符串格式，需先转换。

内容的提问来源于stack exchange，提问作者Julius