pandas如何用另一DataFrame索引重索引，按窗口求和填充target列值

正确实现代码 #

你要实现的是按df1的索引作为时间窗口的左边界，对每个窗口内的df0.target值求和，用pd.cut + 分组求和的方案即可，支持df1索引为不规则时间的场景：

import pandas as pd
import numpy as np

# 你的示例初始化代码
df0 = pd.DataFrame(index=pd.date_range(start='2018-10-31 00:17:24', periods=50,freq='1s'))
df1 = pd.DataFrame(index=pd.date_range(start='2018-10-31 00:17:24', periods=50,freq='20s'))
df0['dat'] = np.random.rand(len(df0))
df0['target'] = 0
df0.loc[(df0['dat'] >= 0.5), 'target'] = 1

# ------------------- 核心实现 -------------------
# 1. 构造时间窗口边界：左闭右开，最后补充一个边界覆盖df0的最大时间
bins = df1.index.append(pd.Index([df0.index.max() + pd.Timedelta(seconds=1)]))
# 2. 给df0的每行打分组标签，对应所属的df1索引
df0['group'] = pd.cut(df0.index, bins=bins, labels=df1.index, right=False)
# 3. 按分组求和target，赋值给df1
df1['target_sum'] = df0.groupby('group')['target'].sum()

如果你的df1索引是固定规则的20秒间隔，也可以直接用重采样语法简化：

df1['target_sum'] = df0.resample('20S', label='left', closed='left')['target'].sum()

原代码问题说明 #

你原来的写法逻辑不符合需求：

• reindex + interpolate是用来补全缺失值做插值的，和按窗口求和的需求完全不匹配
• 最后调用sum()是对整个DataFrame的所有行做全局求和，得到的是整列的总累加值，自然不是每个窗口的单独求和结果。

内容的提问来源于stack exchange，提问作者jokerp