Python中基于日期范围实现DataFrame多重复行的merge asof匹配问题

首先明确：merge_asof的设计逻辑是为左表每行匹配右表中符合条件的最近一行，天然做不到一对多的全匹配，得换思路处理。

方法一：先按公司合并，再过滤日期条件 #

这是最直接的实现方式，先把同一家公司的所有行组合出来，再筛掉不符合日期窗口的记录：

import pandas as pd

# 先确保日期字段为datetime类型（若原始数据不是的话）
df1['firm_date'] = pd.to_datetime(df1['firm_date'])
df2['patent_filing_date'] = pd.to_datetime(df2['patent_filing_date'])

# 按firm_id做内联接，得到同公司的所有行组合
df_combined = pd.merge(df1, df2, on='firm_id', how='inner')

# 过滤日期条件：df2的专利申请日期处于df1对应日期的前5年窗口内
# 5年按1825天计算（包含闰年情况）
date_window = pd.Timedelta(days=1825)
df_final = df_combined[
    (df_combined['patent_filing_date'] >= df_combined['firm_date'] - date_window) &
    (df_combined['patent_filing_date'] <= df_combined['firm_date'])
]

# 可选：按需保留需要的字段
df_final = df_final[['firm_id', 'firm_date', 'patent_id', 'patent_filing_date']]

方法二：分组优化（大数据量场景） #

如果你的DataFrame数据量很大，直接做全量合并会占用过多内存，可以按firm_id分组后逐个处理，再合并结果：

def process_firm_group(df1_sub, df2_sub):
    # 处理单家公司的匹配逻辑
    combined = pd.merge(df1_sub, df2_sub, on='firm_id')
    date_window = pd.Timedelta(days=1825)
    return combined[
        (combined['patent_filing_date'] >= combined['firm_date'] - date_window) &
        (combined['patent_filing_date'] <= combined['firm_date'])
    ]

# 只保留两个表共有的公司ID，避免无效计算
common_firms = set(df1['firm_id'].unique()) & set(df2['firm_id'].unique())

# 逐个处理每家公司的数据
result_list = []
for firm in common_firms:
    df1_firm = df1[df1['firm_id'] == firm]
    df2_firm = df2[df2['firm_id'] == firm]
    matched_rows = process_firm_group(df1_firm, df2_firm)
    result_list.append(matched_rows)

# 合并所有结果
df_final = pd.concat(result_list, ignore_index=True)

补充说明 #

• 日期窗口可按需调整：比如你若需要“df2日期在df1日期前5年到之后某段时间”，直接修改过滤条件即可。
• 原代码的局限性：merge_asof的核心是匹配最近一行，不管有多少符合条件的记录，只会返回最接近的那一条，所以无法满足你要的多行匹配需求。

内容的提问来源于stack exchange，提问作者jayjunior