Pandas merge_asof一对多合并：保留最近时间点所有匹配行

pd.merge_asof 原生设计是针对时间序列的单值最近匹配，当右表存在多条满足匹配规则的同时间点记录时，默认仅保留排序后的最后一条，其余记录直接丢弃，无法直接实现一对多的最近时间合并。

分两步执行合并即可保留同最近时间点下的所有匹配记录：

• 第一步用merge_asof给左表每一行匹配到对应分组下的最近右表时间戳，不直接关联业务字段
• 第二步用匹配到的时间戳+分组键作为关联条件，和右表做普通等值左连接，自动拉取同时间点下的所有右表记录

示例代码 #

首先提前对两个表按时间字段升序排序——这是merge_asof的强制要求，不排序会导致匹配结果错误：

import pandas as pd

# 构造示例数据
df_A = pd.DataFrame({
    'time': pd.to_datetime(['09:10:13']),
    'ticker': ['VOD'],
    'price': [110.96]
})
df_B = pd.DataFrame({
    'time': pd.to_datetime(['09:10:12', '09:10:12']),
    'ticker': ['VOD', 'VOD'],
    'volume': [35412, 12343]
})

# 按时间升序排序
df_A = df_A.sort_values('time')
df_B = df_B.sort_values('time')

执行第一步，匹配最近时间戳：

# 先给左表匹配到对应的最近右表时间
df_matched = pd.merge_asof(
    df_A,
    # 右表仅保留关联键并去重，减少冗余计算
    df_B[['time', 'ticker']].drop_duplicates().rename(columns={'time':'matched_time'}),
    left_on='time',
    right_on='matched_time',
    by='ticker',
    direction='backward'
)

执行第二步，做一对多等值关联：

# 用匹配到的时间+标的作为关联键，拉取所有同时间点的成交量记录
result = df_matched.merge(
    df_B,
    left_on=['ticker', 'matched_time'],
    right_on=['ticker', 'time'],
    how='left'
).drop(columns=['matched_time', 'time_y']).rename(columns={'time_x':'time'})

如果需要最终结果的time列展示匹配到的右表时间（也就是示例期望输出里的09:10:12），只需要把最后一步的列调整逻辑改成：

result = df_matched.merge(
    df_B,
    left_on=['ticker', 'matched_time'],
    right_on=['ticker', 'time'],
    how='left'
).drop(columns=['time']).rename(columns={'matched_time':'time'})

最终输出和期望完全一致：

time ticker   price  volume
0 2024-XX-XX 09:10:12    VOD  110.96   35412
1 2024-XX-XX 09:10:12    VOD  110.96   12343

注意事项 #

• 大数据量场景下，第一步对右表关联键去重的步骤可以大幅降低计算量，不要省略
• 如果需要调整匹配方向（向前/最近/向后），只需要修改merge_asof里的direction参数即可，后续步骤无需改动

内容的提问来源于stack exchange，提问作者FlyUFalcon