如何简化基于merge_asof的DataFrame时间向前匹配合并操作？

我有两个DataFrame，定义如下：

import datetime
import pandas as pd

time_start = datetime.datetime.strptime('2024-02-01 10:00:00', "%Y-%m-%d %H:%M:%S")
interval_l = [1, 7, 14, 17, 21, 22, 31]
df_l = pd.DataFrame(index = [time_start + datetime.timedelta(seconds=i) for i in interval_l])
df_r = pd.DataFrame(range(4), index = [time_start + datetime.timedelta(seconds=10*i) for i in range(4)], columns=['val'])
df_l.index.name = 'datetime'
df_r.index.name = 'datetime'

其中df_r是每10秒一条数据，包含val列。我需要将df_r按最近的向前时间合并到df_l中，未匹配到的时间对应值保留NaN。

目前我通过两次调用merge_asof实现了需求，代码如下：

df_l['time'] = df_l.index
df_r = pd.merge_asof(
    df_r,
    df_l[['time']],
    left_index=True,
    right_index=True,
    direction='forward',
    )
df_l = pd.merge_asof(
    df_l,
    df_r[['time', 'val']],
    left_index=True,
    right_index=True,
    direction='backward',
    by='time'
    )
df_l.drop(columns=['time'], inplace=True)

请问是否有更简洁的实现方式？比如直接用一次merge_asof完成？

完全可以通过单次merge_asof调用实现需求，核心是利用direction='forward'的特性，无需构造中间列：

df_l = (df_l.reset_index()
         .merge_asof(df_r.reset_index(), on='datetime', direction='forward')
         .set_index('datetime'))

原理说明 #

• merge_asof的direction='forward'会为左表（df_l）的每一行，找到右表（df_r）中大于等于当前行时间的最早匹配项，正好符合“最近的向前时间”的需求；
• 先通过reset_index()将索引转为列，方便指定on='datetime'进行时间匹配；
• 最后用set_index恢复原索引，直接得到目标结果。

验证结果和原有代码输出完全一致：

内容的提问来源于stack exchange，提问作者user6703592