Python：将每日天气数据整合至小时级索引DataFrame

这里提供两种简洁的pandas实现方式，核心思路是让每日天气数据和小时级数据按日期对齐，将单日的降雨量填充到当天所有小时记录中。

方法一：利用重采样与索引直接合并 #

这种方式无需额外创建列，直接通过索引操作完成：

import pandas as pd

# 将两个DataFrame的索引转为datetime类型（匹配你的日期格式）
df.index = pd.to_datetime(df.index, format='%d/%m/%Y %H:%M')
weather.index = pd.to_datetime(weather.index, format='%d/%m/%Y')

# 将每日天气数据重采样为小时级，用前向填充补全当天所有小时的降雨量，再与小时表合并
merged_df = df.join(weather.resample('H').ffill())

方法二：提取日期列后合并 #

如果更习惯用列匹配的方式，可以提取日期列进行合并：

import pandas as pd

# 转换索引为datetime类型
df.index = pd.to_datetime(df.index, format='%d/%m/%Y %H:%M')
weather.index = pd.to_datetime(weather.index, format='%d/%m/%Y')

# 提取日期作为合并键
df['date'] = df.index.date
weather['date'] = weather.index.date

# 按日期列合并，最后还原原索引
merged_df = df.merge(weather, on='date').set_index('datetime')
# 可选：删除临时的date列
merged_df = merged_df.drop(columns='date')

两种方法都能得到你需要的结果，其中方法一更简洁，无需处理临时列。

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