在数据分析工作中，我们常遇到这样一个问题：有两个数据框，一个包含事件及其发生时间，另一个包含若干时间段及对应属性，需要把事件归入它所属的时间段。这类基于时间范围的合并如果写得不对，会非常慢。下面看看如何用Pandas和NumPy高效解决。
为什么不能直接用循环
最简单粗暴的做法是遍历每一个事件，再在内层遍历时间段找匹配。这种做法时间复杂度是 O(n*m)，当数据达到几万行以上就会明显卡顿。Pandas的merge_asof基于有序索引做二分查找，可以把复杂度降到 O(n log m)，NumPy的向量化比较也能避免Python层循环。
使用Pandas的merge_asof
假设我们有交易数据df_trade和时段价格df_price，都含时间列且已按时间升序排列。merge_asof能按最接近的前向时间进行合并。
import pandas as pd
# 构造示例数据
df_trade = pd.DataFrame({
'time': pd.to_datetime(['2023-01-01 10:00', '2023-01-01 10:05', '2023-01-01 10:12']),
'amount': [100, 200, 150]
})
df_price = pd.DataFrame({
'start': pd.to_datetime(['2023-01-01 10:00', '2023-01-01 10:10']),
'price': [1.1, 1.3]
})
# 必须按时间排序
df_trade = df_trade.sort_values('time')
df_price = df_price.sort_values('start')
# 基于时间范围的前向合并
result = pd.merge_asof(
df_trade,
df_price,
left_on='time',
right_on='start',
direction='backward'
)
print(result)
上述代码把每笔交易匹配到不晚于它的最近一个价格时段，相当于按时间范围左闭右开归并。
用NumPy做向量化区间判断
如果时间段有显式结束时间，可用NumPy广播一次性算出归属。以下示例展示向量化匹配逻辑：
import pandas as pd
import numpy as np
df_trade = pd.DataFrame({
'time': pd.to_datetime(['2023-01-01 10:00', '2023-01-01 10:05', '2023-01-01 10:12'])
})
starts = pd.to_datetime(['2023-01-01 10:00', '2023-01-01 10:10']).values.astype('datetime64[s]')
ends = pd.to_datetime(['2023-01-01 10:10', '2023-01-01 10:20']).values.astype('datetime64[s]')
t = df_trade['time'].values.astype('datetime64[s]')
# 向量化判断每个时间落在哪个区间
idx = np.full(len(t), -1, dtype=int)
for i in range(len(starts)):
mask = (t >= starts[i]) & (t < ends[i])
idx[mask] = i
df_trade['period_idx'] = idx
print(df_trade)
这里虽然写了循环，但循环只针对少数时间段，内部比较全部由NumPy在C层完成，速度远快于逐行Python判断。
性能与注意事项
- 使用
merge_asof前务必确认左右键均已排序，否则结果错误。 - 时间列尽量用
datetime64类型，避免字符串比较。 - 若区间无重叠且数量大，优先用
merge_asof；若需复杂多条件，可结合NumPy掩码。
合理搭配Pandas和NumPy，就能用简短代码完成高效的基于时间范围的数据框合并。