python时间数据合并_python – Pandas：合并确切的ID和最近的日期

我正在尝试在两列上合并两个Pandas数据帧.一列具有唯一标识符,可用于简单地.merge()两个数据帧.但是,第二列合并实际上会使用.merge_asof(),因为它需要找到最接近的日期,而不是确切的日期匹配.

这里有一个类似的问题：Pandas Merge on Name and Closest Date,但它在大约三年前被问及回答,而merge_asof()是一个更新的补充.

几个月前我问了类似的here问题,但解决方案只需要使用merge_asof()而不需要任何完全匹配.

为了包含一些代码,它看起来像这样：

df = pd.merge_asof(df1,df2,left_on = [‘ID’,’date_time’],right_on = [‘ID’,’date_time’])

ID将完全匹配,但date_time将“接近匹配”.

任何帮助是极大的赞赏.

最佳答案 考虑首先合并ID,然后运行

DataFrame.apply以从第一个数据帧返回最高date_time,匹配ID小于第二个数据帧的当前行date_time.

# INITIAL MERGE (CROSS-PRODUCT OF ALL ID PAIRINGS)

mdf = pd.merge(df1, df2, on=['ID'])

def f(row):

col = mdf[(mdf['ID'] == row['ID']) &

(mdf['date_time_x'] < row['date_time_y'])]['date_time_x'].max()

return col

# FILTER BY MATCHED DATES TO CONDITIONAL MAX

mdf = mdf[mdf['date_time_x'] == mdf.apply(f, axis=1)].reset_index(drop=True)

这假设您要保留df2的所有行(即右连接).只需为左连接翻转_x / _y后缀即可.