如何基于另一Pandas DataFrame按时段匹配替换数据值

要实现按一天中的时段匹配替换y值，核心是提取第一个DataFrame（下称df1）中时间的时分秒部分，和第二个DataFrame（下称df2）的索引做匹配，再替换对应值。下面是几种实用方法：

方法1：字符串格式匹配（简单直接） #

通过提取时分秒字符串作为匹配键，用map快速替换：

# 从df1的timestamp列提取时分秒字符串（如"00:00:00"）
df1['time_str'] = df1['timestamp'].dt.strftime('%H:%M:%S')

# 用df2的y值替换df1的y值——仅替换能匹配到的时段，未匹配的会变成NaN
# 如果想保留未匹配的原y值，加上.fillna(df1['y'])
df1['y'] = df1['time_str'].map(df2['y'])  # 或 df1['y'] = df1['time_str'].map(df2['y']).fillna(df1['y'])

# 清理临时列
df1.drop('time_str', axis=1, inplace=True)

方法2：时间对象匹配（精准无格式问题） #

用datetime.time对象匹配，避免字符串格式不一致的问题：

# 提取df1 timestamp的时间部分（得到datetime.time类型，如00:00:00）
df1['time_obj'] = df1['timestamp'].dt.time

# 构建df2的时间-值映射字典
time_to_y = {idx.time(): val for idx, val in df2['y'].items()}

# 替换y值，同样可加.fillna(df1['y'])保留原数值
df1['y'] = df1['time_obj'].map(time_to_y)

# 删除临时列
df1.drop('time_obj', axis=1, inplace=True)

方法3：Merge合并（直观易理解） #

用合并的方式做匹配替换，适合需要查看匹配情况的场景：

# 给df1添加时分秒列
df1['time'] = df1['timestamp'].dt.strftime('%H:%M:%S')
# 把df2的索引转为普通列，方便合并
df2_flat = df2.reset_index().rename(columns={'timestamp': 'time'})

# 按time列合并，替换y值
df1 = df1.merge(df2_flat, on='time', how='left')
# 用df2的y值覆盖原y值，未匹配的保留原数值
df1['y'] = df1['y_y'].fillna(df1['y_x'])
# 清理多余列
df1 = df1.drop(['y_x', 'y_y', 'time'], axis=1)

注意事项 #

• 确保df2的索引时段格式和df1提取的时间格式完全一致（比如都是%H:%M:%S，没有多余的日期信息）
• 如果只想替换存在匹配的行，保留未匹配行的原y值，一定要加上.fillna(df1['y'])

内容的提问来源于stack exchange，提问作者Luca