【发布时间】：2017-04-30 03:21:22
【问题描述】：
我有两个包含时间列和值列的数据框，df1 和 df2。 df1 是形状 [30000000 x 20] 和 df2 是形状 [400 x 20]。我需要在df1 中创建一个新列，其中包含来自df2 的值，该值来自df2 中日期最近的行。我就是这样做的：
df2= df2.sort_values(by='time_col').reset_index(drop=True)
df1['closest'] = np.searchsorted(df2['time_col'].values, df1['time_col'].values)
df1['new_values'] = [df2.loc[x, 'value_col'] for x in sales['closest']]
这可行，但需要很长时间。例如，对于 3000 万行的数据框，需要几个小时。
有没有更有效的方法来做到这一点？
【问题讨论】：
标签： python performance pandas numpy merge