pandas merge_asof合并时仅保留键双向最近匹配行的实现方案咨询

要实现df1和df2互为最近匹配的合并，核心思路是执行两次merge_asof分别验证双向匹配关系，再筛选符合条件的行，具体代码调整如下：

第一步：修正原有代码的小问题 #

你原有代码中判断NaN的写法有误，NaN无法直接用==/!=比较，需替换为pd.notna：

# 替换原有的NaN判断逻辑
# df2filt = df2[(df2['Fuel2 (l)'] != NaN) & (df2['Meter_Indication'] != NaN)]
df2filt = df2[pd.notna(df2['Fuel2 (l)']) & pd.notna(df2['Meter_Indication'])]

第二步：替换原有合并逻辑 #

删除原代码末尾的merged_df = df1filt2.merge(df2filt, on='Meter_Indication')，替换为以下双向匹配逻辑：

# 1. 确保两个表按合并键升序排列（merge_asof强制要求）
df1_sorted = df1filt2.sort_values('Meter_Indication').reset_index(drop=True)
df2_sorted = df2filt.sort_values('Meter_Indication').reset_index(drop=True)

# 2. 第一次匹配：每个df1行匹配最近的df2行，同时记录匹配到的df2索引
merge_left = pd.merge_asof(
    df1_sorted,
    df2_sorted.reset_index(names='df2_idx'), # 给df2加索引列用于校验
    on='Meter_Indication',
    direction='nearest' # 最近匹配规则，可根据需求调整为backward/forward
    # 可选：加tolerance参数过滤里程差过大的匹配，比如差超过50km就不匹配
    # tolerance=50
)

# 3. 第二次匹配：每个df2行匹配最近的df1行，记录匹配到的df1索引
merge_right = pd.merge_asof(
    df2_sorted,
    df1_sorted[['Meter_Indication']].reset_index(names='df1_idx'),
    on='Meter_Indication',
    direction='nearest'
    # 保持和第一次匹配一致的tolerance参数
    # tolerance=50
)

# 4. 构建df2索引到匹配的df1索引的映射
df2_match_df1 = dict(zip(merge_right.index, merge_right['df1_idx']))

# 5. 仅保留双向匹配的行：df1匹配的df2，其最近匹配也是当前df1行
merged_df = merge_left[
    merge_left.apply(lambda row: df2_match_df1.get(row['df2_idx'], -1) == row.name, axis=1)
].drop(columns='df2_idx').reset_index(drop=True)

可选优化 #

如果需要过滤里程差过大的无效匹配，可在两次merge_asof中添加tolerance参数，单位和Meter_Indication一致，超出阈值的匹配会返回NaN，额外调用dropna()即可过滤。

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