如何用Pandas合并DataFrame，匹配TestA时间前最近的TestB数据？

需求：将存储TestA数据的df1和存储TestB数据的df2合并，为每条TestA记录匹配同一患者、**时间早于且最接近Time(A)**的TestB值。

步骤实现 #

1. 转换时间列类型
   首先需要将字符串格式的时间列转为Pandas的datetime类型，否则无法进行时间比较：

   import pandas as pd
   
   # 转换时间列
   df1['Time(A)'] = pd.to_datetime(df1['Time(A)'])
   df2['Time(B)'] = pd.to_datetime(df2['Time(B)'])
   

2. 排序DataFrame
   merge_asof要求左右表都按匹配键和时间键排序，所以先对两个表按Patient和时间列排序：

   df1_sorted = df1.sort_values(['Patient', 'Time(A)'])
   df2_sorted = df2.sort_values(['Patient', 'Time(B)'])
   

3. 按患者匹配最近早于目标时间的记录
   使用pd.merge_asof，通过by='Patient'限定同一患者内匹配，direction='backward'指定匹配小于等于左表时间的最近记录：

   merged_df = pd.merge_asof(
       df1_sorted,
       df2_sorted,
       by='Patient',
       left_on='Time(A)',
       right_on='Time(B)',
       direction='backward'
   )
   

结果展示 #

运行后得到的合并DataFrame如下：

Patient  TestA                Time(A)  TestB                Time(B)
0        1  617.0 2019-12-07 13:21:15.224157   56.0 2019-12-07 12:31:15.224157
1        1   53.0 2019-12-07 14:21:15.224157   45.0 2019-12-07 14:21:15.224157
2        1   40.0 2019-12-07 15:21:15.224157   32.0 2019-12-07 15:21:15.224157
3        2   35.0 2019-12-07 13:21:15.224157    NaN                        NaT
4        2   42.0 2019-12-07 16:21:15.224157   42.0 2019-12-07 16:21:15.224157

• 患者1的13:21 TestA记录匹配到了最近的早于它的12:31 TestB值
• 若某患者的TestA记录没有早于它的TestB数据（如患者2的13:21记录），会填充NaN

可选：严格匹配早于（排除时间相等） #

如果需要严格筛选时间早于Time(A)的记录，可在合并后过滤：

merged_df = merged_df[merged_df['Time(B)'] < merged_df['Time(A)']]

内容的提问来源于stack exchange，提问作者B D