如何移除DataFrame时间数据的小数秒以实现多表合并

我来帮你搞定这个时间戳匹配的难题！你遇到的核心问题是Excel时间本质是数值型的小数（1天=1，小数部分对应时分秒毫秒），所以光改显示格式根本没法去掉实际存储的毫秒值，必须在Pandas里直接处理数据本身，具体步骤如下：

步骤1：确保时间列转为Datetime类型 #

首先要把两个DataFrame的Time列统一转成Pandas的datetime类型，不管你读进来的是字符串还是Excel的数值时间，这一步都能统一格式：

import pandas as pd

# 读取两个Excel文件
df1 = pd.read_excel("你的第一个文件.xlsx")
df2 = pd.read_excel("你的第二个文件.xlsx")

# 转换为datetime类型（自动识别绝大多数时间格式，包括Excel数值）
df1["Time"] = pd.to_datetime(df1["Time"])
df2["Time"] = pd.to_datetime(df2["Time"])

步骤2：移除df1的小数秒 #

Pandas的datetime类型有专门的方法可以快速截断或取整到整秒，你可以根据需求选下面任意一种：

• 向下取整（直接去掉小数秒）：适合不需要四舍五入的场景

  df1["Time"] = df1["Time"].dt.floor("S")
  

• 四舍五入到整秒：如果需要更精准的时间对齐

  df1["Time"] = df1["Time"].dt.round("S")
  

• 向上取整：少数需要把0.1秒也算成下一秒的场景

  df1["Time"] = df1["Time"].dt.ceil("S")
  

步骤3：基于处理后的时间戳合并DataFrame #

现在两个DataFrame的Time列都是整秒格式了，直接用merge函数合并即可，连接方式根据你的需求选择：

# 内连接：只保留两边都存在的时间记录（最常用）
merged_df = pd.merge(df1, df2, on="Time", how="inner")

# 左连接：保留df1所有记录，匹配不到的df2字段填NaN
# merged_df = pd.merge(df1, df2, on="Time", how="left")

# 右连接：保留df2所有记录，匹配不到的df1字段填NaN
# merged_df = pd.merge(df1, df2, on="Time", how="right")

补充说明 #

为什么Excel里改格式没用？因为Excel的时间是以天数为单位的浮点数，比如2024-05-20 12:34:56.789在Excel里存储的是一个类似45432.5242915的数值，格式只是改变显示方式，实际存储的小数部分（毫秒）依然存在，所以必须在Pandas里修改数据本身才能实现匹配。

内容的提问来源于stack exchange，提问作者MDS