如何解决Pandas merge_asof合并时报错：键必须为整数或时间戳？

你遇到的报错和by='ticker'参数没有任何关系。报错提示的“键必须为整数或时间戳”，特指merge_asof中left_on/right_on对应的主时间匹配键：这个键必须是可排序的整数或Datetime时间格式，不能是字符串。
你从csv读入数据时，daily表的date列、sf1表的calendardate列默认被识别为字符串，没有转换为Datetime类型，这才是触发报错的核心原因。
*关于ticker列的兼容性说明：by参数本身完全支持字符串类型的分组键，类似股票代码'A'这类文本格式完全可以正常使用，不需要转成整数或日期格式。

• 合并前显式将两个表的时间列转换为Datetime格式：
  daily['date'] = pd.to_datetime(daily['date'])
sf1['calendardate'] = pd.to_datetime(sf1['calendardate'])
• 保留你已有的排序逻辑：merge_asof强制要求两个表必须先按主时间匹配键（也就是上面转换后的时间列）完成升序排序，你之前先按date/calendardate升序、再按ticker排序的逻辑是符合要求的。
• 调整后的可运行合并代码：

  df = pd.merge_asof(
      daily,
      sf1,
      by='ticker',
      left_on='date',
      right_on='calendardate',
      tolerance=pd.Timedelta(value=100, unit='D'),
      direction='backward'
  )
  

• 对普通等值匹配的pd.merge、以及非等值的merge_asof来说：
  • 仅使用left_on/right_on：是全局范围的匹配，不做分组隔离。比如你只用left_on='date', right_on='calendardate'做匹配，系统不会校验ticker是否一致，会把A公司的行情行和B公司同日期的财报行错误匹配，结果完全不符合业务逻辑。
  • 搭配by参数：是先等值分组、再组内匹配的逻辑。系统会先按by指定的列（比如ticker）把两个表拆成互不干扰的独立组，每个组内部再执行left_on/right_on对应的匹配规则。比如按ticker分组后，A公司的行情只会和同ticker的财报数据做时间匹配，不会出现跨公司串数据的问题。
• 对merge_asof场景来说，by参数是多标的数据合并的必备配置：没有分组隔离的全局时间匹配，会完全抵消asof匹配“找最近邻财报”的业务价值。

内容的提问来源于stack exchange，提问作者George Adams