pandas.merge_asof#

pandas.merge_asof(left, right, on=None, left_on=None, right_on=None, left_index=False, right_index=False, by=None, left_by=None, right_by=None, suffixes=('_x', '_y'), tolerance=None, allow_exact_matches=True, direction='backward')[源代码][源代码]#

按键距离执行合并。

这类似于左连接，只不过我们是匹配最近的键而不是相等的键。两个DataFrame都必须按键排序。

对于左 DataFrame 中的每一行：

“backward” 搜索选择右侧 DataFrame 中最后一行，其 ‘on’ 键小于或等于左侧的键。

“forward” 搜索选择右侧 DataFrame 中第一个 ‘on’ 键大于或等于左侧键的行。

“nearest” 搜索选择右侧 DataFrame 中其 ‘on’ 键在绝对距离上最接近左侧键的行。

可选地在使用 ‘on’ 搜索之前，通过 ‘by’ 匹配等效键。

参数:

左DataFrame 或命名 Series

第一个要合并的 pandas 对象。

右DataFrame 或命名 Series

第二个要合并的 pandas 对象。

开label

要连接的字段名。必须在两个DataFrame中都能找到。数据必须是已排序的。此外，这必须是一个数值列，例如日期时间类型、整数或浮点数。必须给出on或left_on/right_on。

left_onlabel

左 DataFrame 中用于连接的字段名。

right_onlabel

右DataFrame中用于连接的字段名。

left_indexbool

使用左边DataFrame的索引作为连接键。

right_indexbool

使用右侧DataFrame的索引作为连接键。

通过列名或列名列表

在进行合并操作之前，先在这些列上进行匹配。

left_by列名

在左侧 DataFrame 中匹配的字段名称。

right_by列名

在右侧 DataFrame 中匹配的字段名称。

后缀2-长度序列（元组、列表等）

分别应用于左侧和右侧重叠列名的后缀。

toleranceint 或 timedelta, 可选, 默认 None

在此范围内选择asof容差；必须与合并索引兼容。

allow_exact_matches布尔值, 默认为 True

如果为真，允许匹配相同的 ‘on’ 值（即小于等于 / 大于等于）
如果为 False，不匹配相同的 ‘on’ 值（即，严格小于 / 严格大于）。

方向‘backward’ (默认), ‘forward’, 或 ‘nearest’

是否搜索先前、后续或最接近的匹配项。

返回:

DataFrame: 两个合并对象的 DataFrame。

参见

合并: 与数据库风格的连接合并。
merge_ordered: 带有可选填充/插值的合并。

例子

>>> left = pd.DataFrame({"a": [1, 5, 10], "left_val": ["a", "b", "c"]})
>>> left
    a left_val
0   1        a
1   5        b
2  10        c

>>> right = pd.DataFrame({"a": [1, 2, 3, 6, 7], "right_val": [1, 2, 3, 6, 7]})
>>> right
   a  right_val
0  1          1
1  2          2
2  3          3
3  6          6
4  7          7

>>> pd.merge_asof(left, right, on="a")
    a left_val  right_val
0   1        a          1
1   5        b          3
2  10        c          7

>>> pd.merge_asof(left, right, on="a", allow_exact_matches=False)
    a left_val  right_val
0   1        a        NaN
1   5        b        3.0
2  10        c        7.0

>>> pd.merge_asof(left, right, on="a", direction="forward")
    a left_val  right_val
0   1        a        1.0
1   5        b        6.0
2  10        c        NaN

>>> pd.merge_asof(left, right, on="a", direction="nearest")
    a left_val  right_val
0   1        a          1
1   5        b          6
2  10        c          7

我们也可以使用索引的 DataFrame。

>>> left = pd.DataFrame({"left_val": ["a", "b", "c"]}, index=[1, 5, 10])
>>> left
   left_val
1         a
5         b
10        c

>>> right = pd.DataFrame({"right_val": [1, 2, 3, 6, 7]}, index=[1, 2, 3, 6, 7])
>>> right
   right_val
1          1
2          2
3          3
6          6
7          7

>>> pd.merge_asof(left, right, left_index=True, right_index=True)
   left_val  right_val
1         a          1
5         b          3
10        c          7

这是一个现实世界的时间序列示例

>>> quotes = pd.DataFrame(
...     {
...         "time": [
...             pd.Timestamp("2016-05-25 13:30:00.023"),
...             pd.Timestamp("2016-05-25 13:30:00.023"),
...             pd.Timestamp("2016-05-25 13:30:00.030"),
...             pd.Timestamp("2016-05-25 13:30:00.041"),
...             pd.Timestamp("2016-05-25 13:30:00.048"),
...             pd.Timestamp("2016-05-25 13:30:00.049"),
...             pd.Timestamp("2016-05-25 13:30:00.072"),
...             pd.Timestamp("2016-05-25 13:30:00.075"),
...         ],
...         "ticker": [
...             "GOOG",
...             "MSFT",
...             "MSFT",
...             "MSFT",
...             "GOOG",
...             "AAPL",
...             "GOOG",
...             "MSFT",
...         ],
...         "bid": [720.50, 51.95, 51.97, 51.99, 720.50, 97.99, 720.50, 52.01],
...         "ask": [720.93, 51.96, 51.98, 52.00, 720.93, 98.01, 720.88, 52.03],
...     }
... )
>>> quotes
                     time ticker     bid     ask
0 2016-05-25 13:30:00.023   GOOG  720.50  720.93
1 2016-05-25 13:30:00.023   MSFT   51.95   51.96
2 2016-05-25 13:30:00.030   MSFT   51.97   51.98
3 2016-05-25 13:30:00.041   MSFT   51.99   52.00
4 2016-05-25 13:30:00.048   GOOG  720.50  720.93
5 2016-05-25 13:30:00.049   AAPL   97.99   98.01
6 2016-05-25 13:30:00.072   GOOG  720.50  720.88
7 2016-05-25 13:30:00.075   MSFT   52.01   52.03

>>> trades = pd.DataFrame(
...     {
...         "time": [
...             pd.Timestamp("2016-05-25 13:30:00.023"),
...             pd.Timestamp("2016-05-25 13:30:00.038"),
...             pd.Timestamp("2016-05-25 13:30:00.048"),
...             pd.Timestamp("2016-05-25 13:30:00.048"),
...             pd.Timestamp("2016-05-25 13:30:00.048"),
...         ],
...         "ticker": ["MSFT", "MSFT", "GOOG", "GOOG", "AAPL"],
...         "price": [51.95, 51.95, 720.77, 720.92, 98.0],
...         "quantity": [75, 155, 100, 100, 100],
...     }
... )
>>> trades
                     time ticker   price  quantity
0 2016-05-25 13:30:00.023   MSFT   51.95        75
1 2016-05-25 13:30:00.038   MSFT   51.95       155
2 2016-05-25 13:30:00.048   GOOG  720.77       100
3 2016-05-25 13:30:00.048   GOOG  720.92       100
4 2016-05-25 13:30:00.048   AAPL   98.00       100

默认情况下，我们采用报价的截止日期

>>> pd.merge_asof(trades, quotes, on="time", by="ticker")
                     time ticker   price  quantity     bid     ask
2016-05-25 13:30:00.023   MSFT   51.95        75   51.95   51.96
2016-05-25 13:30:00.038   MSFT   51.95       155   51.97   51.98
2016-05-25 13:30:00.048   GOOG  720.77       100  720.50  720.93
2016-05-25 13:30:00.048   GOOG  720.92       100  720.50  720.93
2016-05-25 13:30:00.048   AAPL   98.00       100     NaN     NaN

我们仅在报价时间和交易时间之间2毫秒内进行操作

>>> pd.merge_asof(
...     trades, quotes, on="time", by="ticker", tolerance=pd.Timedelta("2ms")
... )
                     time ticker   price  quantity     bid     ask
0 2016-05-25 13:30:00.023   MSFT   51.95        75   51.95   51.96
1 2016-05-25 13:30:00.038   MSFT   51.95       155     NaN     NaN
2 2016-05-25 13:30:00.048   GOOG  720.77       100  720.50  720.93
3 2016-05-25 13:30:00.048   GOOG  720.92       100  720.50  720.93
4 2016-05-25 13:30:00.048   AAPL   98.00       100     NaN     NaN

我们只在报价时间和交易时间之间10毫秒内进行比较，并且我们排除时间上的精确匹配。然而，*之前*的数据会向前传播

>>> pd.merge_asof(
...     trades,
...     quotes,
...     on="time",
...     by="ticker",
...     tolerance=pd.Timedelta("10ms"),
...     allow_exact_matches=False,
... )
                     time ticker   price  quantity     bid     ask
0 2016-05-25 13:30:00.023   MSFT   51.95        75     NaN     NaN
1 2016-05-25 13:30:00.038   MSFT   51.95       155   51.97   51.98
2 2016-05-25 13:30:00.048   GOOG  720.77       100     NaN     NaN
3 2016-05-25 13:30:00.048   GOOG  720.92       100     NaN     NaN
4 2016-05-25 13:30:00.048   AAPL   98.00       100     NaN     NaN