如何基于唯一ID对比两个DataFrame的值并计算分钟级时间差？

没问题，我来帮你搞定这个需求！咱们一步步来实现基于唯一ID（ID列）匹配两个DataFrame，计算精确分钟级时间差，同时整理出需要的ST、ST2、ST3列。

步骤1：准备环境与构造示例数据 #

首先确保你已经安装了pandas，然后我们先把你给出的两个DataFrame用代码构造出来（补全了你未写完的DF_2内容）：

import pandas as pd

# 构造DF_1
df1 = pd.DataFrame({
    'ID': ['AB-55', 'AB-78', 'AB-48'],
    'Date': ['2017-01-04 18:25:14', '2017-01-08 08:48:14', '2017-01-09 21:25:45'],
    'Val1': ['adj.f@f', 'arj.t@y', 'edR.u@t'],
    'Val2': ['ad2er', 'ar8ey', 'wu5eu'],
    'Val3': [25, 258, 75]
})

# 构造DF_2（补全缺失的列内容）
df2 = pd.DataFrame({
    'ID': ['AB-55', 'AB-78', 'AB-48'],
    'Date': ['2017-01-04 18:30:14', '2017-01-08 08:45:14', '2017-01-09 21:30:45'],
    'Val1': ['adj.f@f', 'arj.t@y', 'edR.u@t'],
    'Val2': ['ad2er', 'ar8ey', 'wu5eu'],
    'Val3': [25, 258, 75]
})

步骤2：转换时间列为datetime类型 #

要计算时间差，必须先把Date列转换成pandas的datetime格式：

df1['Date'] = pd.to_datetime(df1['Date'])
df2['Date'] = pd.to_datetime(df2['Date'])

步骤3：基于ID合并两个DataFrame #

我们通过ID列把两个DataFrame合并，用后缀区分来自不同DF的列：

merged_df = pd.merge(df2, df1, on='ID', suffixes=('_df2', '_df1'))

步骤4：计算精确的分钟级时间差 #

用两个时间列的差值，转换成总秒数后除以60，得到精确到小数的分钟差：

# 计算DF_2与DF_1的时间差，单位为分钟
merged_df['Dif'] = (merged_df['Date_df2'] - merged_df['Date_df1']).dt.total_seconds() / 60

• 如果需要整数分钟，可以追加.round(0)或者.astype(int)来取整。
• 注意：如果时间差为负，说明DF_2的时间早于DF_1的时间。

步骤5：整理输出列 #

把DF_1的Val1、Val2、Val3重命名为ST、ST2、ST3，并筛选出需要的列：

output_df = merged_df.rename(columns={
    'Val1_df1': 'ST',
    'Val2_df1': 'ST2',
    'Val3_df1': 'ST3'
})[['ID', 'Date_df2', 'Val1_df2', 'Val2_df2', 'Val3_df2', 'ST', 'ST2', 'ST3', 'Dif']]

最终输出结果 #

执行完上述代码后，output_df的内容如下：

额外说明 #

• 如果你的DF_2有更多Val...列，只需要在重命名时对应添加ValX_df1: 'STX'即可。
• 如果不需要保留DF_2的Val列，可以在筛选输出列时去掉它们。

内容的提问来源于stack exchange，提问作者Roy1245