Python 基于时间戳合并数据帧

有两个这样的数据帧（示例）

df1

df2

然后，我想加入df1和df2，但我不知道怎么做，因为在第二个df中，我只有开始和结束时间。如何根据第二个df的数据对第一个df设置条件

这就是我想要的

                   Data  Value Condition
0   2020-01-31 10:30:00      3        OK
1   2020-01-31 11:30:00      4       BAD
2   2020-01-31 12:30:00     19       BAD
3   2020-01-31 13:30:00     22       BAD
4   2020-01-31 14:30:00      4        OK
5   2020-01-31 15:30:00      5     ERROR
6   2020-01-31 15:30:00      6     ERROR
7   2020-01-31 16:30:00      7        OK
8   2020-01-31 17:30:00      9        OK
9   2020-01-31 18:30:00      7        OK
10  2020-01-31 19:30:00      8        OK

---

尝试将pd.merge\u asof：

# make sure that `Data`, `DSTART`, `DEnd` are datetime type
# use `pd.to_datetime` if needed
tmp = pd.merge_asof(df1,df2, left_on='Data', right_on='DSTART')

df1['Condition'] = tmp['Condition'].where(tmp['Data'] <= tmp['DEnd'], 'OK')

---

@Quanq我试着这样做：tmp=pd.merge\u asof（'u dadosPIMS，'u dadosMan，left'u on='Data'，right'u on='Inicio Real'））\u dadosPIMS['Falha']=tmp['Falha']=tmp['Data']@VitorFernandes Sort

df1

by

Data

，

df2

by

DSTART

：

df1=df1.Sort\u值（'Data'）

（您的样本数据帧已经排序）。您需要小心索引。两个数据框合并。这项工作用于合并工业数据和维护数据的数据框，我将df导出到excel，但我发现了一个问题。2020年10月26日07:00至2021年10月26日，我们进行了维护。结果的数据框向我显示，此维护发生在2021年10月27日和2021年10月28日之间21.我发现了更多这样的例子。在我写的代码中：#u-dadosMan['Inicio-Real']=pd.to-datetime（#u-dadosMan['Inicio-Real']）#u-dadosMan['Fim-Real']=pd.to-datetime（#u-dadosm['Data']），然后我像你说的那样使用：#u-dadosm to-datetime（#dadosMan['Data'.'sort']）_dadosMan=_dadosMan.sort_values（'Inicio Real'）######tmp=pd.merge_asof（_dadosMan，_dadosMan，left_on='Data'，right_on='Inicio Real'）_dadosPIMS['Falha']=tmp['Falha']）。其中（（tmp['Data']>tmp['Inicio Real']）和（tmp['Data']

                   Data  Value Condition
0   2020-01-31 10:30:00      3        OK
1   2020-01-31 11:30:00      4       BAD
2   2020-01-31 12:30:00     19       BAD
3   2020-01-31 13:30:00     22       BAD
4   2020-01-31 14:30:00      4        OK
5   2020-01-31 15:30:00      5     ERROR
6   2020-01-31 15:30:00      6     ERROR
7   2020-01-31 16:30:00      7        OK
8   2020-01-31 17:30:00      9        OK
9   2020-01-31 18:30:00      7        OK
10  2020-01-31 19:30:00      8        OK

# make sure that `Data`, `DSTART`, `DEnd` are datetime type
# use `pd.to_datetime` if needed
tmp = pd.merge_asof(df1,df2, left_on='Data', right_on='DSTART')

df1['Condition'] = tmp['Condition'].where(tmp['Data'] <= tmp['DEnd'], 'OK')

                  Data  Value Condition
0  2020-01-31 10:30:00      3        OK
1  2020-01-31 11:30:00      4       BAD
2  2020-01-31 12:30:00     19       BAD
3  2020-01-31 13:30:00     22        OK
4  2020-01-31 14:30:00      4        OK
5  2020-01-31 15:30:00      5     ERROR
6  2020-01-31 15:30:00      6     ERROR
7  2020-01-31 16:30:00      7     ERROR
8  2020-01-31 17:30:00      9        OK
9  2020-01-31 18:30:00      7        OK
10 2020-01-31 19:30:00      8        OK