移位Pandas DataFrame特定行修正缺失值实现传感器时间戳对齐

核心思路不用手动做局部行插入、移位操作，pandas原生的时间索引重对齐、合并逻辑完全覆盖你的需求，性能远高于手动修改行，尤其适合大型数据集。

以下是两种常用实现方案，代码可直接复用： #

前置准备 #

首先确保两个时间列已经转为datetime格式：

import pandas as pd
df['TimeStamp1'] = pd.to_datetime(df['TimeStamp1'])
df['TimeStamp2'] = pd.to_datetime(df['TimeStamp2'])

方法1：以指定时间列为基准重对齐（最匹配你的需求） #

适合以TimeStamp1为基准对齐，空缺位自动补对应时间戳和NaN，自动丢弃TimeStamp2末尾的NaT无效行：

# 1. 提取Sensor2的有效数据，去掉TimeStamp2为NaT的末尾行
sensor2_valid = df[['TimeStamp2', 'Sensor2']].dropna(subset=['TimeStamp2']).set_index('TimeStamp2')

# 2. 以TimeStamp1为基准重对齐，缺失位置自动补NaN
sensor2_aligned = sensor2_valid.reindex(df['TimeStamp1']).reset_index(names='TimeStamp2')

# 3. 合并得到保留两组时间戳的对齐表
df_aligned_with_two_ts = pd.concat([
    df[['TimeStamp1', 'Sensor1']],
    sensor2_aligned
], axis=1)

# 如需输出统一时间戳的结果表，直接保留基准时间列即可
df_aligned_uniform_ts = df_aligned_with_two_ts[['TimeStamp1', 'Sensor1', 'Sensor2']]

方法2：双时间列外连接合并（适合两侧都有缺失，需取时间并集的场景） #

如果TimeStamp1也存在缺失值，需要以两组时间的并集作为统一时间轴，可以用外连接实现：

# 分别提取两组传感器的有效数据
s1 = df[['TimeStamp1', 'Sensor1']].dropna(subset=['TimeStamp1']).rename(columns={'TimeStamp1': 'TimeStamp'})
s2 = df[['TimeStamp2', 'Sensor2']].dropna(subset=['TimeStamp2']).rename(columns={'TimeStamp2': 'TimeStamp'})

# 外连接合并得到统一时间轴的对齐表
df_union_aligned = pd.merge(s1, s2, on='TimeStamp', how='outer').sort_values('TimeStamp').reset_index(drop=True)

两种方案都不需要手动处理局部移位、行插入的逻辑，原生方法会自动处理时间匹配、空缺值填充、无效行过滤的需求。

内容的提问来源于stack exchange，提问作者MrCrowley