如何基于c_id匹配且日期差≤7天内连接两个Pandas DataFrame？

要实现按c_id精确匹配且日期差≤7天的内连接，你需要先对同c_id的所有日期组合进行比较，再筛选符合条件的行，具体步骤如下：

步骤1：转换日期列类型 #

首先确保日期列是datetime类型，否则无法计算日期差：

import pandas as pd

# 读取数据
df1 = pd.read_csv("my_csv1.csv")
df2 = pd.read_csv("my_csv2.csv")

# 转换为datetime类型
df1['dt'] = pd.to_datetime(df1['dt'])
df2['r_dt'] = pd.to_datetime(df2['r_dt'])

步骤2：按c_id交叉匹配 #

先通过c_id将两个DataFrame做内连接，得到同一c_id下的所有日期组合：

# 按c_id合并，得到同c_id的所有日期对
merged = pd.merge(df1, df2, on='c_id', how='inner')

步骤3：计算日期差并筛选 #

计算dt和r_dt的日期差绝对值，筛选出≤7天的行：

# 计算日期差（天数）
merged['date_diff'] = abs(merged['dt'] - merged['r_dt']).dt.days

# 筛选日期差≤7的记录
filtered = merged[merged['date_diff'] <= 7]

步骤4：去重得到最终结果 #

由于同一df1的行可能匹配多个df2的行，需要去重保留唯一的df1记录：

# 提取需要的列并去重
result = filtered[['l_id', 'c_id', 'dt']].drop_duplicates()

# 输出结果
print(result)

为什么原代码不生效？ #

你原来的代码同时匹配c_id和精确日期（left_on=['c_id','dt'], right_on=['c_id','r_dt']），仅保留日期完全相同的行，无法满足“日期差≤7天”的模糊匹配需求。

内容的提问来源于stack exchange，提问作者Sur