如何基于小数据框填充更大的空数据框？

这问题其实用Pandas的合并或者索引匹配就能轻松解决，我给你两种常用的方案，你可以根据自己的情况选：

方案一：左连接合并（最直观） #

核心思路是用hours和minutes作为匹配的键，把小数据框的内容“贴”到大数据框对应时间的行上，没匹配到的行自动保留NA。

假设你已经把两个数据框加载到Pandas里（分别叫big_df和small_df），步骤如下：

1. 先确保两个数据框的时间列类型一致（都是整数，避免因为类型不匹配导致匹配失败）：

import pandas as pd

big_df[['hours', 'minutes']] = big_df[['hours', 'minutes']].astype(int)
small_df[['hours', 'minutes']] = small_df[['hours', 'minutes']].astype(int)

2. 因为你的大数据框里color和length已经是全NA的空列，我们可以先删掉它们，再和小数据框做左连接：

# 移除大数据框的空列
big_df_clean = big_df.drop(['color', 'length'], axis=1)

# 左连接：保留大数据框的所有时间行，匹配小数据框的对应值
final_df = pd.merge(big_df_clean, small_df, on=['hours', 'minutes'], how='left')

这样得到的final_df就是你想要的结果：所有连续时间行都保留，有测量数据的时间点会填充color和length，没有的还是NA。

方案二：多级索引匹配（更简洁） #

如果你的数据框时间列是严格的小时+分钟组合，用多级索引匹配会更高效：

# 给小数据框设置(hours, minutes)为多级索引
small_df_indexed = small_df.set_index(['hours', 'minutes'])

# 给大数据框设置同样的多级索引，然后直接赋值匹配
big_df = big_df.set_index(['hours', 'minutes'])
big_df[['color', 'length']] = small_df_indexed[['color', 'length']]

# 恢复原来的列结构
final_df = big_df.reset_index()

Pandas会自动根据多级索引匹配对应行，没匹配到的位置自然保留NA，非常省心。

验证一下 #

你可以随便挑几个时间点检查，比如小数据框里的hours=0, minutes=15，在final_df里这一行的color应该是G，length是2；而hours=0, minutes=1的行还是NA，完全符合你的需求。

内容的提问来源于stack exchange，提问作者Avocado