基于Datetime Index在Pandas DataFrame中按时间插入行的问题

看起来你是在处理两个通过不同时间步长分组得到的时间序列DataFrame，需要解决基于datetime索引的插行/对齐问题。我结合常见的业务场景，给你整理几个实用的方案：

场景1：合并两个DataFrame，插入对应时间点的行 #

如果你的需求是把df2的时间点数据合并到df1中，同时保留所有时间索引（包括df1有但df2没有、df2有但df1没有的时间点），可以这样操作：

假设df1的数值列为val1，df2的数值列为val2：

# 首先确保索引是datetime类型（如果还不是的话）
df1.index = pd.to_datetime(df1.index)
df2.index = pd.to_datetime(df2.index)

# 合并两个DataFrame并按时间排序
combined_df = pd.concat([df1, df2], axis=1).sort_index()

# 如果需要将df2的数据补充到df1的缺失时间点，优先保留df1数据，缺失的用df2补
df_combined = df1.combine_first(df2)

combine_first会优先取df1的现有值，只有当df1对应时间点没有数据时，才用df2的值填充，非常适合这种"补全+合并"的需求。

场景2：给单个DataFrame插入缺失的时间步长行 #

如果你的需求是把其中一个DataFrame的时间步长对齐到另一个的步长（比如把df2的1小时步长扩展成和df1一样的30分钟步长），可以用reindex配合缺失值填充：

# 以对齐到df1的索引为例，生成目标时间索引
target_index = df1.index

# 给df2重新索引，自动插入缺失的时间点（默认填充NaN）
df2_expanded = df2.reindex(target_index)

# 根据业务需求填充缺失值：
# 1. 前向填充（用上一个存在的时间点的值填充）
df2_expanded_ffill = df2_expanded.fillna(method='ffill')
# 2. 时间线性插值（根据时间间隔计算中间值）
df2_expanded_interp = df2_expanded.interpolate(method='time')
# 3. 后向填充（用下一个存在的时间点的值填充）
df2_expanded_bfill = df2_expanded.fillna(method='bfill')

场景3：只插入df2有但df1没有的时间点 #

如果你只想把df2中独有的时间点插入到df1中，而不改变df1原有数据，可以这样：

# 找出df2有但df1没有的时间索引
unique_times = df2.index.difference(df1.index)

# 提取这些时间点的数据并追加到df1，然后排序索引
df1_updated = df1.append(df2.loc[unique_times]).sort_index()

关键注意事项 #

• 务必确保两个DataFrame的索引都是**datetime64[ns]**类型，否则会出现对齐错误，转换方式：df.index = pd.to_datetime(df.index)
• 缺失值填充方式要根据业务逻辑选择，比如时序数据常用前向填充或时间插值，避免无意义的固定值填充
• 如果数据量很大（比如你的df1有5万+行），reindex和concat都是高效的向量操作，不用担心性能问题

内容的提问来源于stack exchange，提问作者Chi