关于pandas.index.asof_locs使用示例及mask参数的疑问求助

核心说明 #

asof_locs是asof的批量版本，能一次性处理多个日期时间输入，返回每个输入对应的目标索引位置。它的第二个参数mask是一个与目标索引长度一致的布尔数组：

• mask[i] = True：表示索引中第i个位置的日期时间可以被纳入匹配范围
• mask[i] = False：该位置会被排除，不会被选中

如果不需要过滤任何索引行，直接传入全True的布尔数组即可。

代码示例 #

假设你的数据结构如下：

import pandas as pd
import numpy as np

# 构造目标DataFrame，索引为已排序的日期时间
df = pd.DataFrame(
    {'price': [100, 101, 102, 103]},
    index=pd.to_datetime(['2024-01-01', '2024-01-03', '2024-01-05', '2024-01-07'])
)

# 待匹配的日期时间列表
dt = pd.to_datetime(['2024-01-02', '2024-01-04', '2024-01-08'])

接下来用asof_locs批量获取匹配位置：

# 生成全True的mask（所有索引行都有效）
mask = np.ones(len(df.index), dtype=bool)

# 调用asof_locs，得到每个dt对应的df索引位置
locs = df.index.asof_locs(where=dt, mask=mask)

# 根据位置获取对应的日期和价格
matched_dates = df.index[locs]
matched_prices = df['price'].iloc[locs]

print("匹配的日期：", matched_dates.tolist())
print("对应的价格：", matched_prices.tolist())

输出结果：

匹配的日期： [Timestamp('2024-01-01 00:00:00'), Timestamp('2024-01-03 00:00:00'), Timestamp('2024-01-07 00:00:00')]
对应的价格： [100, 101, 103]

注意事项 #

• 目标DataFrame的索引必须是单调递增排序的，否则asof_locs无法正常工作。如果索引未排序，先执行df = df.sort_index()。
• 如果需要过滤特定行（比如排除价格为空的行），可以这样生成mask：mask = df['price'].notna().values

内容的提问来源于stack exchange，提问作者user1234440