Pandas如何基于不同日期周期合并日度与季度DataFrame

前置准备 #

• 先将两个DataFrame的Date列统一转换为pandas datetime类型，避免字符串格式的日期匹配出错
• 提前对季度数据按Date列去重，保留每个起始日期对应的唯一生效季度值

推荐实现方法：使用pd.merge_asof #

这是性能最优的实现方案，原理是按日度日期向前匹配最近的季度起始日期，刚好符合「季度值从起始日生效到下一季度前一天」的匹配规则。
必须确保两个DataFrame的Date列提前升序排序，否则merge_asof会返回错误结果

import pandas as pd

# 构造示例日度数据
df_daily = pd.DataFrame({
    'Date': pd.date_range(start='2000-01-01', end='2000-04-01'),
    'Daily_value': range(92)
})

# 构造示例季度数据（自定义起始日）
df_quarter = pd.DataFrame({
    'Date': pd.to_datetime(['2000-01-01', '2000-03-14', '2000-06-05']),
    'Quarterly_value': [100, 200, 300]
})

# 必须步骤：两个DataFrame按Date列升序排序
df_daily = df_daily.sort_values('Date').reset_index(drop=True)
df_quarter = df_quarter.sort_values('Date').reset_index(drop=True)

# 合并：按日度日期向前匹配最近的季度起始日
df_merged = pd.merge_asof(
    left=df_daily,
    right=df_quarter,
    on='Date',
    direction='backward'
)

运行后2000-01-01到2000-03-13的日度记录会匹配到季度值100，2000-03-14到2000-06-04的日度记录会匹配到季度值200，完全符合需求。

可选小数据量方案：显式区间匹配 #

如果需要明确校验日期落在季度生效区间内，可以先给季度数据补充截止日期，再通过条件过滤匹配：

# 给季度数据添加生效截止日期：下一个季度起始日减1天，最后一个季度截止日设为日度数据最大日期
df_quarter['end_date'] = df_quarter['Date'].shift(-1) - pd.Timedelta(days=1)
df_quarter['end_date'] = df_quarter['end_date'].fillna(df_daily['Date'].max())

# 交叉合并后过滤符合区间的匹配记录
df_merged = df_daily.assign(tmp_key=1).merge(
    df_quarter.assign(tmp_key=1),
    on='tmp_key'
).query('Date >= Date_y and Date <= end_date').drop(columns=['tmp_key', 'Date_y']).rename(columns={'Date_x': 'Date'})

该方案仅适合小数据量场景，数据量超过10万条时优先使用pd.merge_asof。

注意事项 #

• 若日度数据存在早于第一个季度起始日的记录，合并后Quarterly_value会返回NaN，可根据需求选择提前过滤日度数据或用fillna()填充默认值。
• 若季度数据存在重复的起始日期，会按排序后的最后一条记录匹配，建议提前去重避免结果异常。

内容的提问来源于stack exchange，提问作者Kamo