Pandas按日期排序并合并DataFrame：订单与发货数据跨日期匹配方案咨询

根据你描述的场景，核心突破口在于你提到的**「同一客户的两次订单之间不会存在针对该客户的其他发货记录」**——这意味着每个客户的订单和发货是严格按时间顺序一一对应的，哪怕实际发货日期和要求日期有偏差也没关系。基于这个规则，咱们可以用「分组+序号匹配」的方式完成合并，具体步骤如下：

第一步：预处理数据，确保记录按时间排序 #

首先得把两张表的日期转换成datetime类型，然后按「客户ID+日期」排序，保证每个客户的记录是按时间先后排列的：

import pandas as pd

# 假设你的订单表是df_orders，发货表是df_shipments
# 转换日期列格式，避免字符串排序出错
df_orders['日期'] = pd.to_datetime(df_orders['日期'])
df_shipments['日期'] = pd.to_datetime(df_shipments['日期'])

# 按客户ID和日期排序，重置索引
df_orders_sorted = df_orders.sort_values(by=['客户ID', '日期']).reset_index(drop=True)
df_shipments_sorted = df_shipments.sort_values(by=['客户ID', '日期']).reset_index(drop=True)

第二步：为每个客户的记录添加组内序号 #

接下来，给每个客户的订单和发货记录分别添加一个组内序号（比如第1条、第2条），这样同一客户的第n条订单就能精准对应第n条发货记录：

# 给订单表添加组内序号（从1开始计数）
df_orders_sorted['seq'] = df_orders_sorted.groupby('客户ID').cumcount() + 1

# 给发货表添加同样的组内序号
df_shipments_sorted['seq'] = df_shipments_sorted.groupby('客户ID').cumcount() + 1

第三步：按客户ID+序号合并表 #

现在用「客户ID」和「组内序号」作为关联键合并两张表，就能得到你想要的结果：

# 合并两张表，用suffixes区分原表字段
merged_df = pd.merge(
    df_orders_sorted[['客户ID', '日期', '金额', 'seq']],
    df_shipments_sorted[['客户ID', '日期', '金额', 'seq']],
    on=['客户ID', 'seq'],
    suffixes=('_x', '_y')
)

# 调整列顺序，移除序号列，重置索引
final_df = merged_df[['客户ID', '日期_x', '日期_y', '金额_x', '金额_y']].reset_index(drop=True)

结果验证 #

用你提供的示例数据测试，最终输出和你期望的完全一致：

额外处理：排查异常记录 #

如果某个客户的订单数和发货数不匹配（比如多了订单或多了发货），默认的内连接会过滤掉不匹配的记录。如果你想保留这些异常以便排查，可以把合并方式改成outer：

merged_df_outer = pd.merge(
    df_orders_sorted[['客户ID', '日期', '金额', 'seq']],
    df_shipments_sorted[['客户ID', '日期', '金额', 'seq']],
    on=['客户ID', 'seq'],
    suffixes=('_x', '_y'),
    how='outer'
)

之后查看merged_df_outer中的NaN值，就能快速定位哪些客户的订单和发货记录数量不一致。

内容的提问来源于stack exchange，提问作者Moritz Backhaus