如何基于日期将日级DataFrame数据合并到分钟级DataFrame中？

当然有办法啦！这在时间序列数据处理里是很常见的需求，用Pandas就能轻松搞定。核心思路是把分钟数据的时间戳提取出日期部分，然后和日数据的日期列做匹配合并。下面我给你一步步拆解具体操作：

步骤1：确保时间/日期列是datetime类型 #

首先得保证你的时间列是Pandas的datetime格式，不然没法准确提取日期。如果原本是字符串格式，先做转换：

# 转换df_1的分钟时间戳为datetime类型
df_1['timestamp'] = pd.to_datetime(df_1['timestamp'])
# 转换df_2的日期列为datetime类型（如果原本是字符串）
df_2['date'] = pd.to_datetime(df_2['date'])

步骤2：提取分钟数据的纯日期 #

从df_1的时间戳里剥离出日期部分，生成一个临时列用来和df_2匹配：

df_1['date'] = df_1['timestamp'].dt.date
# 把df_2的日期列也转成date类型，保证两边匹配键格式一致
df_2['date'] = df_2['date'].dt.date

步骤3：按日期合并两个DataFrame #

用pd.merge()做左连接（how='left'），这样能保留所有分钟数据，同时自动匹配对应日期的日数据：

merged_df = pd.merge(df_1, df_2, on='date', how='left')

进阶技巧：不用额外生成日期列 #

如果你不想新增列，也可以直接把提取日期的操作作为合并键，一步到位：

merged_df = pd.merge(
    df_1,
    df_2,
    left_on=df_1['timestamp'].dt.date,
    right_on=df_2['date'].dt.date,
    how='left'
)
# 清理自动生成的冗余列并重命名
merged_df = merged_df.drop(columns=['key_0', 'date_y'])
merged_df = merged_df.rename(columns={'date_x': 'date'})

示例效果展示 #

假设你的df_1是分钟数据：

df_2是日数据：

合并后会得到：

注意事项 #

• 如果数据带有时区信息，一定要先统一时区再提取日期，避免时区差导致日期匹配错误。
• 如果df_2存在缺失的日期，合并后对应分钟行的日数据会显示为NaN，你可以用fillna()填充缺失值（比如0、前一天数据等）。

内容的提问来源于stack exchange，提问作者mitchute