基于最后匹配值的Pandas Merge实现：按时间值合并两个DataFrame

要实现你需要的匹配逻辑——为DataFrame1的每个时间点找到DataFrame2中最近的后续时间点对应的Val值，我们可以借助pandas的searchsorted方法高效完成，下面是具体步骤和代码示例：

步骤说明 #

核心思路很直接：

1. 先确保DataFrame2按时间列排序，这是后续精准查找的基础；
2. 利用searchsorted定位DataFrame1每个时间点在DataFrame2时间序列中第一个大于等于它的位置；
3. 根据定位的位置提取对应的Val值，合并到DataFrame1中。

完整代码示例 #

import pandas as pd

# 构造你的示例数据
df1 = pd.DataFrame({
    'Time': [3.00, 3.30, 4.00, 4.30, 5.00],
    'Grade': ['A', 'B', 'C', 'D', 'E']
})

df2 = pd.DataFrame({
    'Time': [3.30, 5.00],
    'Val': [1050, 2014]
})

# 1. 对DataFrame2按Time排序（即使原数据有序，这一步也能避免后续意外）
df2_sorted = df2.sort_values('Time').reset_index(drop=True)

# 2. 用searchsorted找到每个df1.Time对应的匹配位置
# side='left'表示找第一个大于等于当前时间的元素索引
match_indices = df2_sorted['Time'].searchsorted(df1['Time'], side='left')

# 3. 提取对应的Val值并合并到df1
df1['Val'] = df2_sorted.loc[match_indices, 'Val'].values

# 查看最终结果
print(df1)

运行后输出的结果完全符合你的期望：

Time Grade   Val
0   3.0     A  1050
1   3.3     B  1050
2   4.0     C  2014
3   4.3     D  2014
4   5.0     E  2014

额外注意事项 #

• 如果DataFrame1中存在大于DataFrame2最大时间的时间点，searchsorted会返回等于df2长度的索引，直接取值会报错。可以提前用clip方法处理这种边界情况：

  # 把超出范围的索引强制替换为最后一个元素的索引
  match_indices = match_indices.clip(0, len(df2_sorted)-1)
  

• 如果你习惯用merge_asof，也可以通过反转时间的方式实现（把时间取负数，将"找后续最近"转化为"找前面最近"），但searchsorted的方式更直观直接。

内容的提问来源于stack exchange，提问作者user12644753