Pandas：如何按最大5天日期容差规则对齐两个时间序列？

核心匹配规则 #

最终输出序列C完全保留A的全部日期作为索引，对每个A的日期按固定优先级匹配B的数值：

• 优先匹配B中与A日期完全一致的记录
• 无完全匹配项时，从与A日期差1天、2天…的B记录中选择距离最近的可匹配项
• 最大允许日期差为5天，超出范围的匹配项直接留空为NaN

代码实现 #

前置准备 #

统一将两个序列的索引转换为datetime格式，避免类型不匹配导致的匹配失效：

import pandas as pd

# 模拟示例序列A
A = pd.Series(
    data=[10, 20, 30, 40, 50],
    index=pd.to_datetime(["2020-01-01", "2020-01-03", "2020-01-10", "2020-01-15", "2020-01-20"])
)
# 模拟示例序列B
B = pd.Series(
    data=[100, 200, 300, 400],
    index=pd.to_datetime(["2020-01-02", "2020-01-03", "2020-01-12", "2020-01-25"])
)

匹配逻辑实现 #

两种等价实现，均可完全覆盖规则要求：

1. 简洁重索引方案（单字段匹配优先选这个）
   直接调用reindex的内置最近邻匹配能力，代码量最少：

   C = B.reindex(
       index=A.index,
       method="nearest",
       tolerance=pd.Timedelta(days=5)
   )
   

2. 合并匹配方案（多字段扩展场景适用）
   利用merge_asof的邻接匹配能力，适合需要同时保留A、B多列字段的场景：

   # 需提前对两个序列的日期索引做升序排序，否则会触发运行报错
   A_sorted = A.sort_index()
   B_sorted = B.sort_index()
   
   C = pd.merge_asof(
       left=A_sorted.rename("A值"),
       right=B_sorted.rename("匹配B值"),
       left_index=True,
       right_index=True,
       direction="nearest",
       tolerance=pd.Timedelta(days=5)
   )["匹配B值"]
   

关键说明 #

• 两种实现的匹配优先级天然符合需求逻辑：日期差为0（完全一致）的记录距离最近，会被最先选中；其次是差1天、差2天的记录，直到达到5天的容差上限，无需手动逐层遍历搜索
• 当存在多个B记录与A的日期差完全相等（比如A为2020-01-03，B同时有2020-01-02和2020-01-04两条差1天的记录），工具默认优先选择日期更晚的B记录；如果需要固定选择更早的匹配项，可在匹配前对B的索引做倒序调整，无需额外写判断逻辑
• 示例场景下A的2020-01-01记录，匹配到B中2020-01-02的值，完全符合规则描述的样例逻辑

内容的提问来源于stack exchange，提问作者saei