如何按最近且不晚于目标日期的条件合并两个Pandas DataFrame

你使用pd.merge_asof未得到正确结果，核心原因是未将日期列转为datetime类型，或未按要求对两个DataFrame排序。merge_asof有严格的前置要求：左右DataFrame必须先按by列分组，再按日期列排序，且日期列需为datetime格式，否则匹配逻辑会失效。

完整解决方案代码 #

import pandas as pd

# 构造示例数据
df_1 = pd.DataFrame({
    'col_1': [1, 2, 3, 4],
    'date_1': ['2023-1-1', '2023-1-2', '2023-1-3', '2023-1-4'],
    'id': [1, 1, 2, 3]
})

df_2 = pd.DataFrame({
    'col_2': [5, 6, 7, 8],
    'date_2': ['2023-1-1', '2023-1-1', '2023-1-4', '2023-1-9'],
    'id': [1, 2, 1, 3]
})

# 1. 将日期列转换为datetime类型（merge_asof要求的格式）
df_1['date_1'] = pd.to_datetime(df_1['date_1'])
df_2['date_2'] = pd.to_datetime(df_2['date_2'])

# 2. 按id和日期列排序（merge_asof的强制要求：先分组再按日期排序）
df_1 = df_1.sort_values(['id', 'date_1'])
df_2 = df_2.sort_values(['id', 'date_2'])

# 3. 执行merge_asof左外连接
result = pd.merge_asof(
    df_1,
    df_2,
    by='id',  # 按id匹配
    left_on='date_1',
    right_on='date_2',
    direction='backward',  # 找<=date_1的最近date_2记录
    allow_exact_matches=True  # 允许精确匹配（默认开启）
)

# 可选：将日期列转回字符串格式（匹配预期输出的显示格式）
result['date_1'] = result['date_1'].dt.strftime('%Y-%m-%d')
result['date_2'] = result['date_2'].dt.strftime('%Y-%m-%d').where(pd.notnull(result['date_2']), None)

print(result)

输出结果 #

执行后会得到符合预期的左外连接结果：

col_1    date_1  id  col_2    date_2
0      1  2023-01-01   1    5.0  2023-01-01
1      2  2023-01-02   1    5.0  2023-01-01
2      3  2023-01-03   2    6.0  2023-01-01
3      4  2023-01-04   3    NaN      None

关键参数说明 #

• by='id'：限定仅匹配同id的行，满足第一个连接条件
• direction='backward'：在date_2 <= date_1的范围内，选择与date_1间隔最小的记录，满足第二、第三个连接条件
• 左外连接是merge_asof的默认行为，自动保留左表（df_1）的所有行，无匹配项则填充NaN/None

内容的提问来源于stack exchange，提问作者BullHorse001