使用pandas merge_asof()遇排序报错，为何需单独重排create_at？

核心规则：merge_asof()的排序验证逻辑 #

merge_asof()对输入数据的排序要求，完全取决于你是否指定了by参数：

• 未指定by参数时：on参数指定的列（比如你的create_at）必须是全局有序的（默认要求升序，除非显式指定direction='descending'）。
• 指定by参数时：数据需要先按by列分组排序，再在每个分组内按on列排序，也就是整体要按[by列, on列]的顺序升序排列。

你的问题根源 #

你按['user_id', 'create_at']排序后仍报错，大概率是因为调用merge_asof()时没加by='user_id'参数：

• 此时merge_asof()只会检查on='create_at'列是否全局有序，但先按user_id排序的操作会导致不同用户的时间戳交叉（比如用户A的某条记录时间是2023-01-05，用户B的某条记录时间是2023-01-03），整个表的create_at并非全局升序，触发了ValueError: left keys must be sorted。
• 而单独按create_at排序后，该列全局有序，符合merge_asof()未指定by时的要求，所以报错消失。

正确用法示例 #

如果你的业务逻辑是按用户匹配最近的存款记录，正确的写法应该是：

# 按[user_id, create_at]升序排序
trades = trades.sort_values(['user_id', 'create_at'])
deposits = deposits.sort_values(['user_id', 'create_at'])
# 必须指定by参数，匹配merge_asof的排序逻辑
pd.merge_asof(trades, deposits, on='create_at', by='user_id')

这样既符合业务逻辑，也满足merge_asof()的排序要求，无需单独按create_at重排。

内容的提问来源于stack exchange，提问作者Sotos