我假设df1中的Date列是datetime类型。如果不是，请转换它。

从这样的准备步骤开始：

1. 在df2 中转换年/月/日列的索引（日期时间类型）：

   df2 = df2.set_index(pd.to_datetime(df2.year * 10000 + df2.month * 100
       + df2.day, format='%Y%m%d')).drop(columns=['year', 'month', 'day'])
   

2. 设置天数，为其添加列：

   nDays = 3
   

   出于演示目的，我仅将其设置为3，但您可以将其更改为100或您希望的任何值。

3. 为新列定义列名（首先导入 itertools）：

   cols = [ x + str(y) for x, y in itertools.product(
       ['max_t', 'min_t', 'rf', 'w'], range(1, nDays + 1)) ]
   

4. 定义一个函数来为当前行生成附加列：

   def fn(row):
       d1 = row.Date
       d2 = d1 + pd.Timedelta(nDays - 1, 'D')
       return pd.Series(df2.loc[d1:d2].values.reshape((1, -1),
           order='F').squeeze(), index=cols)
   

现在，整体的处理，可以在由单个指令，将上述功能的每一行并加入结果为原始数据帧：

df1 = df1.join(df1.apply(fn, axis=1))

相当简洁，而且在很大程度上是Pandasonic解决方案。

为了演示此解决方案的工作原理，我稍微更改了您的数据：

df1：

   x0     x1    x2    x3       Date
0  40  31.05  25.5  25.5 2013-01-03
1  35  35.75  36.5  36.5 2013-01-07

df2（初始内容）：

   year  month  day  maxtemp  mintemp  rainfall  wind
0  2013      1    1     26.2     20.2         0  32.4
1  2013      1    2     22.9     20.3         0  10.0
2  2013      1    3     24.8     18.4         1  28.8
3  2013      1    4     26.6     18.3         2  33.5
4  2013      1    5     28.3     20.9         3  33.4
5  2013      1    6     28.0     21.6         4  32.8
6  2013      1    7     27.5     21.4         5  26.8
7  2013      1    8     42.3     20.9         6  25.5
8  2013      1    9     25.0     21.1         7  20.9
9  2013      1   10     25.4     20.2         8  14.0

df2（转换后）：

            maxtemp  mintemp  rainfall  wind
2013-01-01     26.2     20.2         0  32.4
2013-01-02     22.9     20.3         0  10.0
2013-01-03     24.8     18.4         1  28.8
2013-01-04     26.6     18.3         2  33.5
2013-01-05     28.3     20.9         3  33.4
2013-01-06     28.0     21.6         4  32.8
2013-01-07     27.5     21.4         5  26.8
2013-01-08     42.3     20.9         6  25.5
2013-01-09     25.0     21.1         7  20.9
2013-01-10     25.4     20.2         8  14.0

添加新列后，df1包含：

   x0     x1    x2    x3       Date  max_t1  max_t2  max_t3  min_t1  min_t2  \
0  40  31.05  25.5  25.5 2013-01-03    24.8    26.6    28.3    18.4    18.3   
1  35  35.75  36.5  36.5 2013-01-07    27.5    42.3    25.0    21.4    20.9   

   min_t3  rf1  rf2  rf3    w1    w2    w3  
0    20.9  1.0  2.0  3.0  28.8  33.5  33.4  
1    21.1  5.0  6.0  7.0  26.8  25.5  20.9  

在“100 天前”评论之后进行编辑

如果要从当前日期前100 天获取添加的行，请更改fn函数中设置两个“边界日期”的方式。就像是：

def fn(row):
    d1 = row.Date - pd.Timedelta(nDays, 'D')
    d2 = row.Date - pd.Timedelta(1, 'D')
    return pd.Series(df2.loc[d1:d2].values.reshape((1, -1), order='F')
        .squeeze(), index=cols)

如何避免行数增加

如果您的df2包含某些日期的多行，则将df1与df2 连接会导致输出行数增加。

如果DF2已经有一段日子，例如有3行的一个排从DF1与此日期的结果将只包含3行（具有相同的日期）。

为了避免这种情况，您必须“抑制”这种重复。

最初我想过df2 = df2.drop_duplicates(...)，但是您写道，一行可以包含一组值和另一行 - 另一组，因此我们不能随意保留一行并删除其他行（从同一日期开始） ）。

此问题的一种可能解决方案是，在创建“日期索引”之后，您应该：

• 按索引对df2分组（每个组将包含特定日期的所有行），
• 计算每列的平均值（省略可能的NaN值），
• 将结果保存回df2下。

执行此操作的代码是：

df2 = df2.groupby(level=0).mean()

然后就可以join了（如上所述），输出行数应该不会增长。