本文介绍如何基于共享的时间列（非索引）对两个 pandas dataframe 分别进行等频时间分组（如每秒一组），再高效配对遍历所有共有的时间组，实现跨 dataframe 的分组级协同处理。
本文介绍如何基于共享的时间列（非索引）对两个 pandas dataframe 分别进行等频时间分组（如每秒一组），再高效配对遍历所有共有的时间组，实现跨 dataframe 的分组级协同处理。
在时序数据分析中，常需对多个来源的观测数据（如传感器 A 和传感器 B）按统一时间窗口（如每秒、每分钟）分别聚合，再逐窗口比对、合并或联合计算。当时间列不是索引而是普通列时，不能直接使用 pd.concat(...).groupby('timestamp') 等简单方式——因为原始数据未对齐，且各 DataFrame 的分组结果可能包含不重叠的时间桶（例如某秒内 df1 有数据而 df2 无）。此时，核心诉求是：安全、可预测地同步迭代两个已独立分组对象（DataFrameGroupBy）中时间键完全一致的组。
最简洁可靠的方案是：以其中一个分组器（如 g1）为主循环，用 .get_group(key) 主动从另一个分组器（g2）中提取对应组，并显式处理缺失情况。该方法无需构造新结构、不依赖索引对齐，语义清晰且性能优异（get_group 是 O(1) 哈希查找）。
以下为完整实现示例（含可复现的模拟数据）：
import pandas as pd
import numpy as np
# 生成模拟时序数据（5秒时间窗，10条随机记录）
last5s = pd.Timestamp.now().replace(microsecond=0) - pd.Timedelta('5s')
dates = pd.date_range(last5s, periods=5, freq='s')
N = 10
df1 = pd.DataFrame({
'timestamp': np.random.choice(dates, size=N),
'A': np.random.randint(0, 10, N)
})
df2 = pd.DataFrame({
'timestamp': np.random.choice(dates, size=N),
'B': np.random.randint(0, 10, N)
})
# 分别按 timestamp 列进行 1 秒频率分组（关键：key 指定非索引列）
g1 = df1.groupby(pd.Grouper(key='timestamp', freq='1s'))
g2 = df2.groupby(pd.Grouper(key='timestamp', freq='1s'))
# 同步遍历：仅处理 g1 和 g2 共有的时间组
for time_key, group1 in g1:
try:
group2 = g2.get_group(time_key) # 若不存在则抛出 KeyError
except KeyError:
print(f"⚠️ 跳过时间 {time_key}：df2 中无对应组")
continue
# 此处可安全执行跨组操作，例如：
# - 统计两组记录数
# - 计算 A 列均值与 B 列均值的相关性
# - 合并为宽表：pd.concat([group1, group2], axis=1)
print(f"⏱️ 时间组：{time_key}")
print("? df1 子集:")
print(group1[['timestamp', 'A']])
print("? df2 子集:")
print(group2[['timestamp', 'B']])
print("-" * 40)✅ 关键要点说明：
- pd.Grouper(key='timestamp', freq='1s') 显式指定按非索引列 timestamp 进行时间频率分组，避免误用索引；
- 主循环选择 g1 或 g2 均可，但建议选数据更稠密、时间覆盖更全的那个作为主组，减少 KeyError 频次；
- 使用 try/except KeyError 替代 if time_key in g2.groups 更高效（后者需遍历 keys 视图）；
- 若需严格只处理双方均存在的时间组，此模式天然满足；若需补全缺失组（如填充 NaN），可改用 g2.get_group(time_key) + fillna() 或提前构造全时间索引再 reindex；
- 该方法不修改原始 DataFrame，内存友好，适用于大规模分组场景。
总结：当面对多源时序数据的分组协同分析时，放弃“一次性 join 分组”的思维，转而采用主从式安全拉取策略，既能精准控制逻辑分支，又具备最佳可读性与鲁棒性。
