基于Datetime条件填充Pandas DataFrame列的实现方案咨询

嗨，我来帮你搞定这个按每日固定时间规则填充DataFrame的需求，其实用Pandas的索引时间属性加上条件选择就能轻松实现，步骤如下：

首先，我们先准备好环境和你提供的原始DataFrame：

from datetime import time
import pandas as pd
import numpy as np  

# 生成你提供的初始DataFrame
dates = pd.date_range("20241218", periods=9600,freq='1MIN')   
df = pd.DataFrame(np.random.randn(9600, 4), index=dates, columns=list("ABCD")) 

接下来给你两种实现方式，按需选择：

方法一：分步赋值（逻辑清晰，新手友好） #

这种方式把每个规则拆解开，更容易理解每一步的作用：

1. 先给所有值设为0（因为大部分时间都需要填充0，作为基础值）：

df[:] = 0

2. 匹配每日1:00的时间点，填充-2：
   通过索引的time属性提取纯时间部分，精准匹配1:00这个时间点：

# 定义目标时间点
target_100 = time(1, 0)
# 定位对应行并赋值
df.loc[df.index.time == target_100, :] = -2

3. 匹配每日1:35到1:45的区间，填充-1：
   用时间属性判断区间范围，这里是闭区间（包含1:35和1:45这两个时间点）：

# 定义区间的起始和结束时间
start_135 = time(1, 35)
end_145 = time(1, 45)
# 定位区间内的行并赋值
df.loc[(df.index.time >= start_135) & (df.index.time <= end_145), :] = -1

方法二：用np.select一次性处理（代码更紧凑） #

如果不想分步操作，也可以用numpy的select函数，一次性定义所有条件和对应值，逻辑同样清晰：

# 定义三个判断条件
conditions = [
    df.index.time == time(1, 0),  # 条件1：每日1:00
    (df.index.time >= time(1,35)) & (df.index.time <= time(1,45)),  # 条件2：1:35-1:45区间
    True  # 条件3：其他所有情况
]
# 对应每个条件的填充值
values = [-2, -1, 0]

# 把规则应用到所有列
df[:] = np.select(conditions, values)

验证结果 #

你可以用下面的代码检查填充是否正确：

# 查看每日1:00的数据
print("每日1:00的数据示例：")
print(df.loc[df.index.time == time(1,0)].head())

# 查看1:35-1:45区间的数据
print("\n每日1:35-1:45的数据示例：")
print(df.loc[(df.index.time >= time(1,35)) & (df.index.time <= time(1,45))].head())

这样不管你的DataFrame包含多少天的数据，都会自动按每日的时间规则填充对应的值啦～

备注：内容来源于stack exchange，提问作者Abhishek Kulkarni