在两个含时间列的DataFrame中查找满足非负时间差的最近行

刚好碰到过类似的需求，用pandas的话有两种高效的方法，因为你的两个DataFrame已经是时间戳唯一且已排序的，这就省去了很多预处理步骤，直接可以用专门的工具来做：

方法一：用merge_asof（推荐，简洁高效） #

merge_asof是pandas专门为按最近键合并排序数据集设计的函数，完美匹配你的场景——我们只需要指定direction='forward'，就能找到每个短时间点之后或同时的最近长时间点。

代码示例 #

import pandas as pd

# 替换成你实际的DataFrame
mytime_short = pd.DataFrame(
    {'mytime_short': pd.to_datetime(['2023-01-01 10:00', '2023-01-01 10:15', '2023-01-01 10:30'])}
)
# 先把mytime_long的原index保留下来，因为你需要输出这个字段
mytime_long = pd.DataFrame(
    {'mytime_long': pd.to_datetime(['2023-01-01 09:50', '2023-01-01 10:10', '2023-01-01 10:20', '2023-01-01 10:40'])}
).reset_index()  # 新增index列，对应原DataFrame的索引

# 执行合并，forward方向表示找>=左表时间的最近右表记录
result = pd.merge_asof(
    mytime_short,
    mytime_long,
    left_on='mytime_short',
    right_on='mytime_long',
    direction='forward'
)

# 整理成你需要的输出结构
result = result[['mytime_short', 'index', 'mytime_long']]
print(result)

输出效果 #

mytime_short  index         mytime_long
0 2023-01-01 10:00:00      1 2023-01-01 10:10:00
1 2023-01-01 10:15:00      2 2023-01-01 10:20:00
2 2023-01-01 10:30:00      3 2023-01-01 10:40:00

如果某个mytime_short的时间晚于mytime_long的所有时间，对应的index和mytime_long会自动设为NaN，方便你后续处理。

方法二：用numpy.searchsorted（更灵活，适合自定义逻辑） #

如果需要更精细的控制，可以用numpy的searchsorted函数——它能快速找到每个短时间点在已排序的长时间序列中的插入位置，这个位置就是第一个>=该时间点的记录索引。

代码示例 #

import pandas as pd
import numpy as np

# 替换成你实际的DataFrame
mytime_short = pd.DataFrame(
    {'mytime_short': pd.to_datetime(['2023-01-01 10:00', '2023-01-01 10:15', '2023-01-01 10:30'])}
)
mytime_long = pd.DataFrame(
    {'mytime_long': pd.to_datetime(['2023-01-01 09:50', '2023-01-01 10:10', '2023-01-01 10:20', '2023-01-01 10:40'])}
)

# 获取已排序的长时间数组
long_time_values = mytime_long['mytime_long'].values

# 找到每个短时间点对应的插入位置（即第一个>=它的长时间索引）
match_indices = np.searchsorted(long_time_values, mytime_short['mytime_short'].values, side='left')

# 构建结果DataFrame，处理边界情况（比如短时间晚于所有长时间，设为NaN）
result = mytime_short.copy()
result['index'] = np.where(match_indices < len(long_time_values), match_indices, np.nan)
# 匹配对应的长时间戳
result['mytime_long'] = mytime_long.loc[match_indices[match_indices < len(long_time_values)], 'mytime_long'] \
                          .reindex(result.index).values

print(result)

注意事项 #

• 确保两个DataFrame的时间列都是pandas datetime类型，如果不是，可以用pd.to_datetime()转换；
• 因为题目说每个DataFrame内的时间戳唯一，所以不用处理重复时间的冲突问题；
• 如果需要丢弃没有匹配结果（即时间晚于所有长时间）的行，可以用result.dropna(subset=['index'])。

内容的提问来源于stack exchange，提问作者00__00__00