基于时间区间条件高效实现将df2的Info列数据匹配到df1的方法

嗨，针对你提出的这个时间区间匹配需求——把df2里的Info列数据匹配到df1，要求df1的Time落在df2的Start_Time和End_Time之间，我来给你分享几个高效的实现方法，尤其是适合大数据量的场景：

首先先明确你提供的原始数据：

df1 #

df2 #

方法一：使用merge_asof（推荐，高效适配大数据） #

merge_asof是pandas专门为有序键的合并场景设计的工具，非常适合这种时间区间匹配，性能比循环或逐行判断好太多，时间复杂度为O(n log n)（主要来自排序步骤）。

步骤1：转换时间列为datetime类型

首先得把所有时间字符串转成datetime格式，这样才能正确进行区间比较：

import pandas as pd

# 转换df1的Time列
df1['Time'] = pd.to_datetime(df1['Time'], format='%H:%M:%S')
# 转换df2的Start_Time和End_Time列
df2['Start_Time'] = pd.to_datetime(df2['Start_Time'], format='%H:%M:%S')
df2['End_Time'] = pd.to_datetime(df2['End_Time'], format='%H:%M:%S')

步骤2：对df2按Start_Time排序

merge_asof要求右表（这里是df2）必须按匹配键（Start_Time）有序：

df2_sorted = df2.sort_values('Start_Time')

步骤3：合并并过滤区间

先通过merge_asof匹配到Start_Time <= Time的最近行，再过滤出Time <= End_Time的结果，确保Time落在完整区间内：

# 先对df1按Time排序（merge_asof要求左表也有序）
df1_sorted = df1.sort_values('Time')

# 执行合并，匹配最近的Start_Time不晚于Time的行
merged = pd.merge_asof(df1_sorted, df2_sorted, left_on='Time', right_on='Start_Time')

# 过滤出Time在[Start_Time, End_Time]区间内的记录
merged = merged[merged['Time'] <= merged['End_Time']]

# 如果需要保留df1中所有原始行（包括没匹配到区间的，Info显示NaN），可以这样处理：
merged_full = pd.merge_asof(df1_sorted, df2_sorted, left_on='Time', right_on='Start_Time', direction='backward')
merged_full['Info'] = merged_full.apply(
    lambda row: row['Info'] if row['Time'] <= row['End_Time'] else pd.NA,
    axis=1
)

# 恢复df1原来的行顺序（如果需要）
merged_full = merged_full.sort_index()

方法二：区间索引匹配（适合小数据量） #

如果你的数据量不大，也可以用区间索引的方式实现，代码更直观，但性能不如merge_asof：

# 为df2创建时间区间索引
df2['Time_Interval'] = pd.IntervalIndex.from_arrays(
    df2['Start_Time'], df2['End_Time'], closed='both'
)

# 逐行匹配区间
df1['Info'] = df1['Time'].apply(
    lambda t: df2[df2['Time_Interval'].contains(t)]['Info'].values[0] 
    if any(df2['Time_Interval'].contains(t)) 
    else pd.NA
)

预期输出 #

处理后你会得到类似这样的结果（以保留所有df1行的情况为例）：

（注：日期部分是pandas默认补充的，不影响时间区间的判断，你可以用.dt.time提取时间部分）

备注：内容来源于stack exchange，提问作者Hennie Scholtz