如何检查DataFrame A的timestamp是否处于B的timestamp加15分钟区间内

首先提前处理：确保两个DataFrame的timestamp列均转换为pandas datetime类型，避免时间计算异常：

import pandas as pd

A['timestamp'] = pd.to_datetime(A['timestamp'])
B['timestamp'] = pd.to_datetime(B['timestamp'])

方法1：交叉合并校验（仅适合小数据量场景） #

数据量较大时不推荐，交叉合并会生成笛卡尔积，占用过高内存

• 生成B表时间区间的右边界

B['end_ts'] = B['timestamp'] + pd.Timedelta(minutes=15)

• 交叉合并两张表所有行，筛选符合区间要求的匹配项

cross_df = A.assign(tmp=1).merge(B.assign(tmp=1), on='tmp', how='outer')
matched_ts = cross_df[
    (cross_df['timestamp_x'] >= cross_df['timestamp_y']) &
    (cross_df['timestamp_x'] < cross_df['end_ts'])
]['timestamp_x'].unique()

• 给A表新增标记列，标识对应timestamp是否匹配成功

A['is_matched'] = A['timestamp'].isin(matched_ts)

方法2：merge_asof有序匹配（高性能，推荐全场景使用） #

利用pandas原生有序匹配接口，不会生成笛卡尔积，性能远高于交叉合并方案

• 先对两张表按timestamp升序排序

A_sorted = A.sort_values('timestamp').reset_index(drop=True)
B_sorted = B.sort_values('timestamp').reset_index(drop=True)
# 重命名B表的timestamp列避免合并时重名冲突
B_sorted = B_sorted.rename(columns={'timestamp': 'b_timestamp'})

• 执行后向匹配，为A的每个timestamp匹配到最近的、小于等于它的B表timestamp

merged = pd.merge_asof(
    A_sorted,
    B_sorted[['b_timestamp']],
    left_on='timestamp',
    right_on='b_timestamp',
    direction='backward'
)

• 校验匹配到的B表时间加15分钟是否覆盖A的timestamp，空值代表无匹配直接标记为False

merged['is_matched'] = merged['timestamp'] <= merged['b_timestamp'] + pd.Timedelta(minutes=15)
merged['is_matched'] = merged['is_matched'].fillna(False)

最终merged表的is_matched列就是A中每个timestamp的校验结果，True代表存在符合要求的B的时间区间，False代表不存在。

内容的提问来源于stack exchange，提问作者Deba