如何按含重复值的id列合并两个Pandas DataFrame并对应日期列

要实现按ID对应日期序列的合并，核心是给每个ID下的记录添加组内序号，再通过ID和序号共同匹配，让同ID下的第N条预测日期对应第N条实际日期，不足的位置自动填充NA。

步骤1：为两个DataFrame添加组内序号 #

使用groupby('id').cumcount()生成每个ID内的行索引（从0开始）：

import pandas as pd

# 原始数据
df1 = pd.DataFrame({
    'id': ['1', '1', '1', '2', '2', '2', '3', '3'],
    'predicted_date': ['2022-01-01', '2022-02-01', '2022-03-01', '2022-01-01', '2022-02-01', '2022-03-01', '2022-01-01','2022-02-01']
})

df2 = pd.DataFrame({
    'id': ['1', '1', '2', '2', '3', '3', '3', '3'],
    'actual_date': ['2022-01-02', '2022-02-02', '2022-03-02', '2022-01-02', '2022-02-02', '2022-03-02', '2022-01-02','2022-02-02']
})

# 添加组内序号
df1['seq'] = df1.groupby('id').cumcount()
df2['seq'] = df2.groupby('id').cumcount()

步骤2：按ID和序号合并 #

使用merge方法，指定on=['id', 'seq']并设置how='outer'保留所有记录，缺失值自动补NA：

merged_df = pd.merge(df1, df2, on=['id', 'seq'], how='outer')

# 可选：删除序号列，得到目标结构
merged_df = merged_df.drop('seq', axis=1)

最终结果 #

输出的merged_df结构如下：

这样既实现了同ID下日期序列的对应，又保留了所有原始记录，缺失位置自动用NA填充。

内容的提问来源于stack exchange，提问作者Olyalya