如何匹配两个DataFrame的时间区间，复制对应温湿度数据到DF1

• iterrows()返回的行对象是DataFrame数据的副本，直接修改副本不会对原始DF1生效
• 代码中的row2 += 1属于冗余逻辑，iterrows()本身会自动遍历DF2的所有行，该操作不会改变遍历进程
• 额外注意：你提供的DF2字段名存在笔误，MgsTime2应为MsgTime2，运行代码前需先修正字段名，否则会报字段不存在错误

步骤1：统一转换时间字段格式 #

首先需要将所有时间字段转为pandas可识别的时间类型，避免直接用字符串比较出现逻辑错误：

import pandas as pd
import numpy as np

# 转换时间列为timedelta格式（适配纯时间场景，也可根据需求转为datetime格式）
DF1['MsgTime'] = pd.to_timedelta(DF1['MsgTime'])
DF2['MsgTime1'] = pd.to_timedelta(DF2['MsgTime1'])
DF2['MsgTime2'] = pd.to_timedelta(DF2['MsgTime2'])

# 初始化DF1的结果字段为NaN
DF1['Temperature'] = np.nan
DF1['Humidity'] = np.nan

步骤2：匹配取值 #

方案1：循环实现（逻辑和你原写法对齐，适合小数据量） #

for idx, row in DF1.iterrows():
    # 筛选DF2中符合时间区间的匹配行
    match_df = DF2[(DF2['MsgTime1'] <= row['MsgTime']) & (DF2['MsgTime2'] >= row['MsgTime'])]
    if not match_df.empty:
        # 通过索引直接修改原始DF1的值
        DF1.loc[idx, 'Temperature'] = match_df.iloc[0]['Temperature']
        DF1.loc[idx, 'Humidity'] = match_df.iloc[0]['Humidity']

方案2：向量化实现（无循环，适合大数据量场景） #

# 交叉连接后筛选匹配行，再合并回DF1
cross_df = DF1.assign(tmp_key=1).merge(DF2.assign(tmp_key=1), on='tmp_key').drop('tmp_key', axis=1)
match_res = cross_df[(cross_df['MsgTime1'] <= cross_df['MsgTime']) & (cross_df['MsgTime2'] >= cross_df['MsgTime'])][['MsgTime', 'Temperature', 'Humidity']]
DF1 = DF1[['MsgTime']].merge(match_res, on='MsgTime', how='left')

可选：时间格式还原 #

如果需要把输出的时间列还原为HH:MM:SS字符串格式，添加以下代码即可：

DF1['MsgTime'] = DF1['MsgTime'].astype(str).str[-8:]

处理完成后的DF1就是你需要的输出结果。

内容的提问来源于stack exchange，提问作者Jack Tan