如何合并求和时间戳未对齐的两类资产订单簿时间序列？

双指针法的可行性 #

双指针法本身是完全可行的，你之前没生效大概率是边界条件处理不到位（比如其中一个数组遍历完后，另一个数组剩余元素的收尾逻辑），或是最新值更新的逻辑有误。只要把这两点修正，这个方法就能正常工作。

双指针法的具体实现 #

假设你有两个DataFrame：df_a（资产A）和df_b（资产B），都包含timestamp（Unix时间戳）和需要求和的字段（比如order_size）。实现步骤如下：

1. 先对两个DataFrame按时间戳升序排序：双指针法依赖有序的时间序列，这一步是前提。
2. 初始化变量：两个遍历指针i=0（对应df_a）、j=0（对应df_b）；记录当前资产的最新值current_a=0、current_b=0；存储结果的列表result = []。
3. 循环处理直到所有数据遍历完成：
   • 分别获取当前指针指向的时间戳，若指针越界则设为无穷大（方便判断优先级）。
   • 分三种情况处理：
     • 当资产A的时间戳更早（或资产B已遍历完）：更新资产A的最新值，计算总和，将时间戳与总和存入结果，移动资产A的指针。
     • 当资产B的时间戳更早（或资产A已遍历完）：更新资产B的最新值，计算总和，将时间戳与总和存入结果，移动资产B的指针。
     • 当两个时间戳相同时：同时更新两类资产的最新值，计算总和，存入结果后同时移动两个指针。

代码示例 #

import pandas as pd

# 示例数据
df_a = pd.DataFrame({'timestamp': [100, 300, 500], 'order_size': [10, 20, 30]})
df_b = pd.DataFrame({'timestamp': [200, 300, 600], 'order_size': [5, 15, 25]})

# 关键步骤：按时间戳排序
df_a = df_a.sort_values('timestamp').reset_index(drop=True)
df_b = df_b.sort_values('timestamp').reset_index(drop=True)

i = j = 0
len_a, len_b = len(df_a), len(df_b)
current_a = current_b = 0
result = []

while i < len_a or j < len_b:
    # 获取当前时间戳，越界则设为无穷大
    ts_a = df_a.iloc[i]['timestamp'] if i < len_a else float('inf')
    ts_b = df_b.iloc[j]['timestamp'] if j < len_b else float('inf')
    
    if ts_a < ts_b:
        current_a = df_a.iloc[i]['order_size']
        result.append({'timestamp': ts_a, 'total_size': current_a + current_b})
        i += 1
    elif ts_b < ts_a:
        current_b = df_b.iloc[j]['order_size']
        result.append({'timestamp': ts_b, 'total_size': current_a + current_b})
        j += 1
    else:
        current_a = df_a.iloc[i]['order_size']
        current_b = df_b.iloc[j]['order_size']
        result.append({'timestamp': ts_a, 'total_size': current_a + current_b})
        i += 1
        j += 1

# 转为最终DataFrame
final_df = pd.DataFrame(result)
print(final_df)

更简便的Pandas内置方法 #

如果不想手动写双指针逻辑，也可以用Pandas的merge_asof快速实现：

1. 生成包含所有唯一时间戳的序列。
2. 用merge_asof为每个时间戳匹配两类资产的最新值（direction='backward'表示取小于等于当前时间戳的最新数据）。
3. 对匹配后的数值求和即可。

代码示例 #

# 承接上面的示例数据
# 生成所有唯一时间戳的有序序列
all_timestamps = pd.Series(
    sorted(set(df_a['timestamp'].tolist() + df_b['timestamp'].tolist())),
    name='timestamp'
)

# 匹配每个时间戳对应的最新资产数据
merged_a = pd.merge_asof(all_timestamps, df_a, on='timestamp', direction='backward').fillna(0)
merged_b = pd.merge_asof(all_timestamps, df_b, on='timestamp', direction='backward').fillna(0)

# 计算总和
final_df = pd.DataFrame({
    'timestamp': all_timestamps,
    'total_size': merged_a['order_size'] + merged_b['order_size']
})
print(final_df)

这个方法无需手动处理边界逻辑，代码更简洁，适合大多数场景。

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