本文介绍如何利用Pandas的between_time和时间索引属性，对具有DatetimeIndex的DataFrame按每日固定时间段（如01:35–01:45）或精确时刻（如01:00）进行高效、向量化列填充。
本文介绍如何利用pandas的between_time和时间索引属性，对具有datetimeindex的dataframe按每日固定时间段（如01:35–01:45）或精确时刻（如01:00）进行高效、向量化列填充。
在处理高频时间序列数据（如分钟级金融行情、传感器日志）时，常需根据一天内的特定时段对整行或多列统一赋值。Pandas 提供了简洁而高效的原生方法，无需循环或apply，即可实现基于时间条件的批量填充。
以下为完整实现步骤（基于您生成的示例数据）：
import pandas as pd
import numpy as np
# 构建测试数据：9600分钟（约6.67天），频率为1分钟，索引为DatetimeIndex
dates = pd.date_range("20241218", periods=9600, freq='1MIN')
df = pd.DataFrame(np.random.randn(9600, 4), index=dates, columns=list("ABCD"))
# 步骤1：将所有列初始化为0（默认值）
df = pd.DataFrame(0, index=dates, columns=list("ABCD"))
# 步骤2：对每日 01:35 至 01:45（含）之间的所有行，将全部列设为 -1
# 注意：between_time 默认包含边界，且自动适配每日重复时段
df.loc[df.between_time('01:35', '01:45').index] = -1
# 步骤3：对每日恰好为 01:00:00 的行（即每小时整点），将全部列设为 -2
# 使用 index.time 与 pd.Timestamp().time() 比较，确保类型一致
target_time = pd.Timestamp('01:00').time()
df.loc[df.index.time == target_time] = -2
✅ 关键说明：
-
df.between_time(start, end)返回一个视图（view），其索引是原始DataFrame中满足“当日时间 ∈ [start, end]”的所有行索引，适用于跨多日的周期性时段匹配； -
df.index.time返回numpy.ndarrayofdatetime.time对象，可直接与pd.Timestamp(...).time()安全比较； - 赋值语句
df.loc[...] = value是向量化操作，性能远优于逐行遍历； - 所有赋值均作用于全部列（
df.loc[rows, :]隐式生效），无需显式指定列名。
? 验证建议：
# 查看某一日的 01:35–01:45 区间（前15行）
print("01:35–01:45 区间样本：")
print(df.between_time('01:35', '01:45').head(15))
# 查看所有 01:00:00 的行（通常每天1行）
print("\n所有 01:00:00 行：")
print(df.loc[df.index.time == pd.Timestamp('01:00').time()])
⚠️ 注意事项：
-
between_time仅适用于DatetimeIndex或PeriodIndex；若索引为普通RangeIndex或object类型，需先用df.set_index('datetime_col')设置时间索引； - 时间字符串格式支持
'HH:MM'、'HH:MM:SS'，不区分大小写，但推荐统一使用24小时制； - 若需排除边界（如开区间），需结合布尔索引手动构造，例如：
mask = (df.index.time > pd.Timestamp('01:35').time()) & (df.index.time ； - 对于非标准时区数据，请确保索引已正确本地化（
.dt.tz_localize()/.dt.tz_convert()），否则between_time可能行为异常。
通过以上方法，您可在毫秒级完成数万行时间序列的条件填充，兼顾代码可读性与运行效率。
