两种不同时间戳序列的数据对齐问题咨询

以下分两种常用场景给出可直接落地的实现方法：

Excel 实现 #

先将A、B、C三列的单元格格式统一设置为时间格式，避免文本和时间类型不匹配导致匹配失败。

1. 假设表头在第1行，数据从第2行开始，在D2单元格输入公式：
   =IFERROR(VLOOKUP(C2,A:B,2,FALSE),D1)
2. 把D2单元格的公式向下拖动填充整列即可。
   如果C列第一个时间在A列没有匹配值，可手动给D1填初始默认值，或者单独给D2设置公式=IFERROR(VLOOKUP(C2,A:B,2,FALSE),0) 避免报错。
   新版本Excel也可以用兼容性更好的XLOOKUP公式，整列通用：
   =XLOOKUP(C2,A:A,B:B,D1,0,-1)

Python Pandas 实现 #

数据量较大时用Pandas处理效率更高，核心用自带的merge_asof方法即可完美匹配需求：

import pandas as pd

# 读取数据，根据你的文件格式替换为read_excel等方法
df_ab = pd.read_csv("ab_data.csv", parse_dates=["A"])
df_c = pd.read_csv("c_data.csv", parse_dates=["C"])

# 必须按时间列排序，merge_asof要求输入数据有序
df_ab = df_ab.sort_values("A").reset_index(drop=True)
df_c = df_c.sort_values("C").reset_index(drop=True)

# 前向匹配：取小于等于当前C列时间的最近A列对应的B值
res = pd.merge_asof(df_c, df_ab, left_on="C", right_on="A", direction="backward")

# 导出结果
res.rename(columns={"B":"D"}, inplace=True)
res.to_excel("对齐结果.xlsx", columns=["C", "D"], index=False)

内容的提问来源于stack exchange，提问作者Aftyn k