按业务规则合并Pandas DataFrame：ID匹配且日期按顺序关联

要实现每个Date_A和Date_B仅匹配一次，且Date_B关联到下一个最早的Date_A之后的需求，不能直接用普通的pd.merge()（它会产生笛卡尔积导致重复匹配），可以按以下步骤实现：

步骤1：转换日期格式并排序 #

先把字符串格式的日期转换成datetime类型方便后续比较，同时对两个DataFrame按ID和日期排序，确保顺序符合时间逻辑。

import pandas as pd

# 构造示例数据
df_a = pd.DataFrame({
    'ID': [1,1,1,2,3,3],
    'Date_A': ['01012023','02012023','03012023','02152023','02012023','04012023']
})

df_b = pd.DataFrame({
    'ID': [1,1,3],
    'Date_B': ['01112023','03112023','05012023']
})

# 转换日期字符串为datetime类型
df_a['Date_A'] = pd.to_datetime(df_a['Date_A'], format='%m%d%Y')
df_b['Date_B'] = pd.to_datetime(df_b['Date_B'], format='%m%d%Y')

# 按ID和日期排序
df_a = df_a.sort_values(['ID', 'Date_A']).reset_index(drop=True)
df_b = df_b.sort_values(['ID', 'Date_B']).reset_index(drop=True)

步骤2：自定义分组匹配函数 #

对每个ID分组，遍历该ID下的Date_A，为每个Date_A匹配第一个未被使用的、晚于它的Date_B，确保每条记录仅被使用一次。

def match_dates(group_a, group_b):
    used_b_indices = set()
    # 遍历当前ID下的每个Date_A
    for idx_a, row_a in group_a.iterrows():
        # 筛选未被使用且晚于当前Date_A的Date_B
        available_b = group_b[~group_b.index.isin(used_b_indices) & (group_b['Date_B'] > row_a['Date_A'])]
        if not available_b.empty:
            # 取最早的符合条件的Date_B
            matched_b = available_b.iloc[0]
            group_a.loc[idx_a, 'Date_B'] = matched_b['Date_B']
            used_b_indices.add(matched_b.name)
        else:
            group_a.loc[idx_a, 'Date_B'] = pd.NaT
    return group_a

# 按ID分组处理匹配逻辑
result = df_a.groupby('ID', group_keys=False).apply(
    lambda x: match_dates(x, df_b[df_b['ID'] == x.name])
)

# 转换回原日期字符串格式（可选）
result['Date_A'] = result['Date_A'].dt.strftime('%m%d%Y')
result['Date_B'] = result['Date_B'].dt.strftime('%m%d%Y').fillna('')

print(result)

最终输出结果 #

运行上述代码后，得到的结果与你期望的一致：

ID    Date_A    Date_B
0   1  01012023  01112023
1   1  02012023  03112023
2   1  03012023          
3   2  02152023          
4   3  02012023  05012023
5   3  04012023          

内容的提问来源于stack exchange，提问作者325