Python Pandas-如何使用DateTimeIndex列表中的索引添加新的空行？

对不起，我有点卡住了

我想使用来自数据帧中一列的DateTimeIndex在另一个数据帧中创建新行

这些DateTimeIndex必须用作新行的索引

因此，根据以下数据：

import pandas as pd

df = pd.DataFrame({'Start': [pd.Timestamp('1970-01-02 00:00:00'),pd.Timestamp('1970-03-02 00:00:00')], 'End': [pd.Timestamp('1970-01-02 00:10:00'), pd.Timestamp('1970-03-02 00:10:00')], 'Freq': [pd.Timedelta(5,'m'),pd.Timedelta(5,'m')]})
df = df.apply(lambda x: pd.date_range(start = x.Start, end = x.End, freq = x.Freq), axis=1)

df2 = pd.DataFrame({'Timestamp':[pd.Timestamp('1970-01-03 00:00:00')], 'Data':[4]}).set_index('Timestamp')

我得到了以下信息：

In [62]: df2.index
Out[62]: DatetimeIndex(['1970-01-03'], dtype='datetime64[ns]', name='Timestamp', freq=None)

In[63]: df.to_list()
Out[21]: 
[DatetimeIndex(['1970-01-02 00:00:00', '1970-01-02 00:05:00',
                '1970-01-02 00:10:00'],
               dtype='datetime64[ns]', freq='5T'),
 DatetimeIndex(['1970-03-02 00:00:00', '1970-03-02 00:05:00',
                '1970-03-02 00:10:00'],
               dtype='datetime64[ns]', freq='5T')]

我想要得到的是一个基于df2的数据帧，具有新行，具有来自df的时间戳

df2_new
                    Data
Timestamp       
1970-01-03 00:00:00    4
1970-01-02 00:00:00
1970-01-02 00:05:00
1970-01-02 00:10:00
1970-03-02 00:00:00
1970-03-02 00:05:00
1970-03-02 00:10:00

我尝试使用以下行，但出现错误：

df2.reindex(df2.index.to_list() + df.to_list())

TypeError: unhashable type: 'DatetimeIndex'

我给出的示例被简化为df只有一行，但它可以有多行

拜托，你知道我该怎么做吗

提前感谢您的帮助！ 晚上好，

---

最好的

IIUC，您可以稍微不同地定义“时间范围”，但关键步骤是使用：

输出：

                     Data
1970-01-02 00:00:00   NaN
1970-01-02 00:05:00   NaN
1970-01-02 00:10:00   NaN
1970-01-03 00:00:00   4.0

---

你好，斯科特，非常感谢你的回答。唉，df可以有几行。让我们考虑一个第二行：DF＝Pd。DataFrame（{开始）：[时间戳（19701-01-0:00：00）]，Pd。时间戳（‘1970－03-0:00：00’00）〕：[Pd。时间戳（'19701-01-0:10:00）]，Pd。时间戳（'19703-03-0:10:00）]，'Frq'：[Pd。TimeDelad（5，I'），Pd。TimeDelad（5，I'）] }，然后，我尝试了你的代码，但是迭代了TimeRange，但它不起作用：对于timerange.stack（）中的i:df2=df2.reindex（df2.index.union（i）），我得到以下错误：TypeError：输入必须是索引或数组，就像df重叠中的时间范围记录一样？但是，如果要单独选择每个时间范围，则需要换行[]以使其成为一个列表。就像我在时间范围内的代码：df2=df2.reindex（df2.index.union（[i]））Scott，这太棒了！我按照建议把它包在[]里，效果很好！谢谢（我已经修改了上面的输入，以反映df中的第二行以及我想要的结果。你理解正确，太棒了！谢谢！

                     Data
1970-01-02 00:00:00   NaN
1970-01-02 00:05:00   NaN
1970-01-02 00:10:00   NaN
1970-01-03 00:00:00   4.0