如何将dfDates中的entryId匹配合并到dfTrades数据框？

你可以用Pandas的merge()方法实现这个需求，核心是对齐两个DataFrame中用于匹配的日期列（注意大小写差异：dfTrades的Date和dfDates的date），并保留dfTrades的所有行数据。

具体代码实现 #

import pandas as pd

# 原始数据
dfDates = pd.DataFrame(
    {
        "date": ['2023-06-20 09:00:00-07:00', '2023-06-21 09:00:00-07:00', '2023-06-22 09:00:00-07:00', '2023-06-23 09:00:00-07:00', '2023-06-24 09:00:00-07:00', '2023-06-25 09:00:00-07:00', ], 
        "entryId": [1, 2, 3, 4, 5, 6, ],
    })

dfTrades = pd.DataFrame(
{
        "Date": ['2023-06-20 09:00:00-07:00', '2023-06-24 09:00:00-07:00', '2023-06-22 09:00:00-07:00' ], 
        "symbol": ['AAPL', 'TSLA', 'MSFT' ],
})

# 执行合并操作
dfResult = dfTrades.merge(
    dfDates[['date', 'entryId']],  # 仅保留需要匹配和添加的列，减少冗余
    left_on='Date',  # dfTrades中用于匹配的列
    right_on='date',  # dfDates中用于匹配的列
    how='left'  # 保留dfTrades的所有行数据
).drop('date', axis=1)  # 删除合并后多余的date列

# 输出结果
print(dfResult)

结果说明 #

运行后dfResult的结构和数据会和你给出的dfDesired完全一致：

• 保留dfTrades原有的所有行和列（Date、symbol）
• 成功匹配并添加了对应的entryId值

如果想用join()方法实现，需要先调整dfDates的索引和列名，代码如下：

# 用join实现的方式
dfDates_renamed = dfDates.set_index('date').rename_axis('Date')
dfResult_join = dfTrades.join(dfDates_renamed['entryId'], on='Date')

这个方法同样能得到目标结果，但merge()在列名不一致的场景下逻辑更直观。

内容的提问来源于stack exchange，提问作者aaaahhhhhh