作为原始答案的替代（见下文），这里有一个非常直接的方法来完成OP的要求：

df_rates['Profit'] = df_profit.Profit.reindex(df_rates.columns[-1] - pd.to_timedelta(df_rates['Mins before time'], unit='min')).to_numpy()

输出：

Mins before time  2012-03-31 23:45:00    Profit
0                 0               113.10  3504.664
1                 5               112.10       NaN
2                10               113.10       NaN
3                15               113.17  1215.760
4                20               103.17       NaN
5                25               133.17       NaN
6                30               101.39   -21.480

说明：

• 通过从df_rates中最后一列的Timestamp标签（假定为Timestamp类型，否则将其 Package 在pd.to_datetime()中）中减去使用Mins before time列创建的一系列时间增量值（单位为分钟），创建一系列时间戳
• 在df_profit上使用reindex创建一系列利润数字，这些数字与df_rates列平行，并包含df_profit中的Profit值，其中df_profit索引中的时间戳标签与上一步中创建的时间戳系列中的标签完全匹配，其他位置为NaN
• 将该系列的利润数字（可能包括NaN）转换为to_numpy的numpy数组，并使用它初始化df_rates中标记为Profit（或任何其他所需的标记）的新列。
  原答复：

下面是一个方法：

df_rates = ( df_rates
    .set_index(df_rates.columns[-1] + pd.to_timedelta(-df_rates['Mins before time'], unit='min'))
    .join(df_profit).reset_index(drop=True) )
print(df_rates)

输出：

Mins before time  2012-03-31 23:45:00    Profit
0                 0               113.10  3504.664
1                 5               112.10       NaN
2                10               113.10       NaN
3                15               113.17  1215.760
4                20               103.17       NaN
5                25               133.17       NaN
6                30               101.39   -21.480

解释

• 将df_rates的索引设置为其最后一列的标签（假定为时间戳类型，否则将其 Package 为pd.to_datetime()）加上一系列等于Mins before time列的时间增量值（单位为分钟）
• 使用带有df_profit的join在索引值匹配的行中添加一个具有非空值的Profit列，并重置索引。

您可以定义一个函数来获取相应时间戳的利润：

# import dateutil.parser
# from datetime import timedelta

def getProfit_atDelay(delayMins, startTime, profitDF):
    try: 
        startTime = dateutil.parser.parse(str(startTime))
        dTime = startTime - timedelta(minutes=int(str(delayMins)))
        return profitDF['Profit'].loc[dTime]
    except: return None

（我假设df_profit索引包含datetime数据类型;否则，请编辑代码以将dTime转换为匹配的数据类型。）
要获取新列的所有值：

def profits_for_rates(ratesDF, profitDF):
    rStart, rMins = ratesDF.columns[1], ratesDF['Mins before time']
    return [getProfit_atDelay(t, rStart, profitDF) for t in rMins]

如果你把它当作

df_rates['New_column'] = profits_for_rates(df_rates, df_profit)

那么df_rates看起来就像

Mins before time  2012-03-31 23:45:00  New_column
0                 0               113.10    3504.664
1                 5               112.10         NaN
2                10               113.10         NaN
3                15               113.17    1215.760
4                20               103.17         NaN
5                25               133.17         NaN
6                30               101.39     -21.480