如何使用pd.merge_asof结合额外键实现DataFrame匹配？

完全可以用pd.merge_asof直接实现，不需要循环处理，关键是用好它的by参数指定分组键，同时确保时间列处于排序状态。

核心操作步骤： #

• 先对DataFrame A和B分别按Key1和Time列排序，merge_asof要求用于时间匹配的列必须是已排序的，而by参数会让匹配严格限制在同Key1的分组内。
• 调用merge_asof时，指定on='Time'作为时间匹配列，by='Key1'作为分组匹配键，direction='backward'（默认就是该值，用于匹配不晚于当前时间的最近记录）。

代码示例： #

import pandas as pd

# 构造示例DataFrame A
df_a = pd.DataFrame({
    'Key1': ['X', 'X', 'Y', 'Y'],
    'Time': pd.to_datetime(['2023-01-02', '2023-01-05', '2023-01-03', '2023-01-06']),
    'ValueA': [10, 20, 30, 40]
})

# 构造示例DataFrame B
df_b = pd.DataFrame({
    'Key1': ['X', 'X', 'Y', 'Y'],
    'Time': pd.to_datetime(['2023-01-01', '2023-01-04', '2023-01-02', '2023-01-05']),
    'ValueB': [100, 200, 300, 400]
})

# 按分组键和时间排序
df_a_sorted = df_a.sort_values(by=['Key1', 'Time'])
df_b_sorted = df_b.sort_values(by=['Key1', 'Time'])

# 执行分组+时间的最近匹配
result = pd.merge_asof(
    df_a_sorted,
    df_b_sorted,
    on='Time',
    by='Key1',
    direction='backward'
)

print(result)

结果说明： #

运行后会得到A中每行对应的、同Key1分组下Time不晚于当前行的B中最近记录。比如A里2023-01-05的X组记录，会匹配到B里2023-01-04的X组记录，完全符合需求。

注意：如果你的时间列不是datetime类型，需要先通过pd.to_datetime()转换，否则排序和匹配逻辑会失效。

内容的提问来源于stack exchange，提问作者Sierd