如何用Pandas按时间距离实现正负数据的一对一匹配

需要将数据中正stem（数值为正的条目）匹配到时间上最近的负stem（数值为负的条目），匹配规则如下：

• 匹配核心依据为两者的时间距离，取正stem时间点之前最近的负stem
• 每个负stem仅能被匹配一次，匹配完成后不可再用于其他正stem
• 若正stem与目标负stem的时间差≥自定义阈值X，则不参与匹配

示例：正stem A匹配负stem B；负stem B已被占用，无法再匹配正stem C；负stem D与A、C的时间差过大，不参与匹配。

对应的DataFrame如下：

import pandas as pd

df = pd.DataFrame({
    'BOX_187_084_11': [-190.379230, -261.853410, 268.353538, 258.084186],
    'label': ['D', 'B', 'A', 'C']
}, index=pd.to_datetime(['2005-12-01', '2008-03-01', '2008-09-01', '2011-09-01']))

利用Pandas的merge_asof工具结合去重逻辑，可简洁实现需求，步骤如下：

1. 分离正负stem数据集
   将原数据拆分为正、负stem两个子集，并重置索引保留时间列：

   pos_df = df[df['BOX_187_084_11'] > 0].reset_index().rename(columns={'index': 'pos_time'})
   neg_df = df[df['BOX_187_084_11'] < 0].reset_index().rename(columns={'index': 'neg_time'})
   

2. 按时间匹配最近负stem
   使用merge_asof按时间正序匹配，设置时间差阈值X（示例设为3年），仅匹配正stem之前最近的负stem：

   X = pd.Timedelta(days=3*365)  # 自定义时间差阈值
   matched = pd.merge_asof(
       pos_df.sort_values('pos_time'),
       neg_df.sort_values('neg_time'),
       left_on='pos_time',
       right_on='neg_time',
       direction='backward',  # 匹配时间更早的最近负stem
       tolerance=X
   )
   

3. 确保负stem唯一匹配
   对匹配结果按负stem去重，保留每个负stem对应的最早正stem匹配：

   final_matched = matched.drop_duplicates(subset='neg_time', keep='first')
   

4. 整理可视化结果
   重命名列名，输出直观的匹配结果：

   result = final_matched[['pos_time', 'label_x', 'neg_time', 'label_y', 'BOX_187_084_11_x', 'BOX_187_084_11_y']]
   result.columns = ['正stem时间', '正stem标签', '负stem时间', '负stem标签', '正stem数值', '负stem数值']
   print(result)
   

输出结果 #

运行后会得到符合规则的匹配结果：

正stem C与最近的负stem B时间差超过3年，且无其他符合条件的负stem，因此不被匹配；负stem D因时间差过大也未参与匹配。

内容的提问来源于stack exchange，提问作者Dante van der Heijden