pandas DataFrame日期匹配失败时如何获取相邻行的日期与价格值

pandas 原生提供了专门针对有序时间序列的匹配方法，不需要手写遍历逻辑，就能实现「未命中时取相邻前序/后续值」的需求，核心基于二分查找实现，性能远高于自定义循环。

前置要求 #

使用相关方法前必须先做两步处理：

• 将日期列转换为 datetime64 类型
• 按日期列做升序排序

具体实现方法 #

1. 单个日期查询：用索引的get_indexer方法 #

先将处理好的日期列设为DataFrame的索引，通过method参数指定未命中时的匹配规则：

• method='ffill'：未命中时取相邻的前一个可用日期对应的值
• method='bfill'：未命中时取相邻的下一个可用日期对应的值（正好匹配你的需求）

参考代码：

import pandas as pd

# 示例交易数据（仅含工作日，跳过周末/节假日）
df = pd.DataFrame({
    'date': pd.to_datetime(['2024-05-06', '2024-05-07', '2024-05-08', '2024-05-10', '2024-05-13']),
    'price': [102.3, 103.1, 102.8, 104.5, 105.2]
})
# 预处理：设索引、排序
df = df.set_index('date').sort_index()

def query_price(query_date):
    q_dt = pd.to_datetime(query_date)
    # 取匹配到的行位置，bfill对应取下一个可用日期
    pos = df.index.get_indexer([q_dt], method='bfill')[0]
    return df.index[pos], df.iloc[pos]['price']

# 测试：查询存在的日期
print(query_price('2024-05-07'))  # 输出 (Timestamp('2024-05-07 00:00:00'), 103.1)
# 测试：查询不存在的周六日期2024-05-11
print(query_price('2024-05-11')) # 输出 (Timestamp('2024-05-13 00:00:00'), 105.2)

2. 批量日期查询：用pd.merge_asof #

如果有一整列待查询的日期，不要写循环单条查询，直接用merge_asof做批量对齐，通过direction参数指定匹配规则：

• direction='backward'：未命中时取前一个可用值
• direction='forward'：未命中时取下一个可用值（匹配你的需求）
• direction='nearest'：未命中时取距离最近的可用值

参考代码：

# 待查询日期列表，包含周末等无数据日期
query_df = pd.DataFrame({
    'query_date': pd.to_datetime(['2024-05-07', '2024-05-09', '2024-05-11', '2024-05-12'])
})

# 批量匹配
result = pd.merge_asof(
    query_df,
    df.reset_index(),
    left_on='query_date',
    right_on='date',
    direction='forward'
)
print(result)

返回结果会自动为每一条查询日期，匹配到对应的下一个可用日期和price值。

注意事项 #

• 所有方法都要求日期序列是严格升序的，否则匹配结果会出错
• 待查询日期如果比数据集中所有日期都晚，bfill/forward模式下会返回空值，记得提前做边界判断
• 不要手写for循环逐行比对日期，数据量超过1万行时性能差距会非常明显

内容的提问来源于stack exchange，提问作者sud