如何在Pandas中用另一时间戳DataFrame过滤主DataFrame？

你之前用硬编码时间字符串的过滤方式，确实在生产环境里不够灵活——一旦df2的数据更新，就得手动修改代码里的时间值，不仅容易出错，可维护性和可复现性都很差。下面是完全基于df2动态获取过滤边界的优化方案，完美适配你的需求：

核心思路 #

不再手动指定时间范围，而是从过滤用的df2中动态提取最早和最晚的时间作为过滤边界，让过滤逻辑完全依赖df2的实际数据，无需硬编码。

代码实现 #

import pandas as pd

# 先确保timestamp列是datetime类型（字符串比较虽能工作，但datetime类型更适配生产环境的时间场景）
df['timestamp'] = pd.to_datetime(df['timestamp'])
df2['timestamp'] = pd.to_datetime(df2['timestamp'])

# 从df2动态获取时间范围的上下限
start_time = df2['timestamp'].min()
end_time = df2['timestamp'].max()

# 执行过滤
filtered_df = df[(df['timestamp'] >= start_time) & (df['timestamp'] <= end_time)]

为什么这更适合生产环境？ #

• 无硬编码"魔法值"：过滤边界完全由df2的数据决定，不用手动维护时间字符串，减少人为失误
• 可复现性拉满：不管df2后续新增、修改时间记录，过滤逻辑都会自动适配最新的时间范围
• 类型安全：用datetime类型做时间比较，能避免字符串格式不一致、时区差异等潜在问题

额外容错处理 #

如果担心df2为空的情况（比如没有可用的过滤记录），可以加个判断避免报错：

if not df2.empty:
    start_time = df2['timestamp'].min()
    end_time = df2['timestamp'].max()
    filtered_df = df[(df['timestamp'] >= start_time) & (df['timestamp'] <= end_time)]
else:
    # df2为空时的自定义逻辑，比如返回原df或空df
    filtered_df = df.copy()

内容的提问来源于stack exchange，提问作者Nabih Bawazir