如何实现DataFrame日期匹配并填充最近日期的adjusted_close值？

问题分析 #

你之前的代码存在几个核心问题：

• 嵌套循环效率极低，且用日期直接索引prices_matched_df['price']是错误操作（该DataFrame的行索引是默认数字序列，而非日期）
• 未定义变量dt，会直接导致代码报错
• 左连接的方法仅匹配了完全重合的日期，缺失值未按「最近日期」规则填充

最优解决方案（简洁高效） #

利用pandas原生的reindex方法，指定method='nearest'即可快速完成日期匹配与最近值填充，步骤如下：

1. 统一日期格式为datetime类型（避免类型不匹配导致的匹配失败）：

import pandas as pd

# 转换revenue的filing_date列为datetime类型
revenue['filing_date'] = pd.to_datetime(revenue['filing_date'])
# 转换prices_df的索引为datetime类型
prices_df.index = pd.to_datetime(prices_df.index)

2. 生成目标DataFrame：

# 用reindex匹配filing_date，自动取最近日期的adjusted_close值
matched_prices = prices_df['adjusted_close'].reindex(revenue['filing_date'], method='nearest')

# 构建最终的prices_matched_df
prices_matched_df = pd.DataFrame({
    'date': revenue['filing_date'],
    'price': matched_prices.values
})

基于你左连接思路的改进方案 #

如果想沿用之前的左连接逻辑，可在连接后对缺失值进行填充：

# 左连接获取完全匹配的价格值
price_matched_df = revenue[['filing_date']].merge(
    prices_df.reset_index().rename(columns={'index': 'date', 'adjusted_close': 'price'}),
    left_on='filing_date',
    right_on='date',
    how='left'
).drop(columns='date').rename(columns={'filing_date': 'date'})

# 定义函数获取目标日期对应的最近价格
def get_nearest_price(target_date):
    # 找到最近日期在prices_df索引中的位置
    nearest_pos = prices_df.index.get_loc(target_date, method='nearest')
    return prices_df['adjusted_close'].iloc[nearest_pos]

# 填充缺失的price值
price_matched_df['price'] = price_matched_df.apply(
    lambda row: get_nearest_price(row['date']) if pd.isna(row['price']) else row['price'],
    axis=1
)

说明 #

• 第一种方案利用pandas原生方法，无需手动循环，效率远高于嵌套循环，且代码简洁易维护
• 两种方案最终都会生成包含41行、date和price两列的DataFrame，完全符合需求

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