Pandas：带时间差的DataFrame合并及merge_asof函数解析

我需要对两个包含ID和Date列的大型DataFrame做匹配，但不是完全匹配日期，而是要包含匹配日期前后4天的数据。

示例数据 #

df1 #

ID      Date
0   RHD78   2022-08-05
1   RHD78   2022-08-06
2   RHD78   2022-08-09
3   RHD78   2022-08-11
4   RHD78   2022-08-12
5   RHD78   2022-08-14
6   RHD78   2022-08-15
7   RHD78   2022-08-19
8   BDW56   2022-03-15
9   BDW56   2022-03-16
10  BDW56   2022-03-17
11  BDW56   2022-03-22
12  BDW56   2022-03-23
13  BDW56   2022-03-27
14  BDW56   2022-03-29
15  BDW56   2022-03-30

df2 #

ID      Date
0   RHD78   2022-08-12
1   BDW56   2022-03-23

当前尝试的问题 #

用df_result = pd.merge(df1, df2, how = 'inner', on='Date')只能得到日期完全匹配的2条记录，但我想要的是每个ID对应的匹配日期前后4天内的所有记录，期望结果如下：

df_desired #

ID      Date
0   RHD78   8/9/2022
1   RHD78   8/11/2022
2   RHD78   8/12/2022
3   RHD78   8/14/2022
4   RHD78   8/15/2022
5   BDW56   3/22/2022
6   BDW56   3/23/2022
7   BDW56   3/27/2022

我试过merge_asof()，但感觉它只能取最接近的日期，不是指定范围。作为Python和Pandas新手，希望得到可行的解决方案，以及对merge_asof()的简单解释。

步骤1：统一日期格式 #

首先必须把两个DataFrame的Date列转换成datetime类型，才能进行时间差计算：

import pandas as pd

df1['Date'] = pd.to_datetime(df1['Date'])
df2['Date'] = pd.to_datetime(df2['Date'])

步骤2：匹配ID+日期范围 #

以下两种方法都适合处理大型DataFrame：

方法1：合并后过滤（高效通用） #

先按ID做内连接，再筛选出日期差在±4天内的记录：

# 按ID合并两个DataFrame，给日期列加后缀区分
merged = pd.merge(df1, df2, on='ID', suffixes=('_df1', '_df2'))

# 筛选日期差绝对值≤4天的记录
mask = abs(merged['Date_df1'] - merged['Date_df2']) <= pd.Timedelta(days=4)
df_result = merged.loc[mask, ['ID', 'Date_df1']].rename(columns={'Date_df1': 'Date'}).drop_duplicates()

# 可选：转成期望的月/日/年格式
df_result['Date'] = df_result['Date'].dt.strftime('%m/%d/%Y')

方法2：分组筛选（适合ID分组清晰的场景） #

先把df2的目标日期按ID存为字典，再对df1按ID分组筛选：

# 构建ID到目标日期的映射表
target_dates = df2.set_index('ID')['Date'].to_dict()

# 定义分组筛选函数
def filter_date_range(group):
    target_date = target_dates[group.name]
    return group[(group['Date'] >= target_date - pd.Timedelta(days=4)) & 
                 (group['Date'] <= target_date + pd.Timedelta(days=4))]

# 应用分组筛选
df_result = df1.groupby('ID').apply(filter_date_range).reset_index(drop=True)
df_result['Date'] = df_result['Date'].dt.strftime('%m/%d/%Y')

merge_asof() 简化解释 #

merge_asof()是Pandas的时间近似匹配工具，核心逻辑：

• 要求左右表都按匹配的时间列排序
• 默认给左表每条记录，在右表找时间≤左表时间且最接近的单条记录
• 可通过direction参数调整匹配方向（比如'forward'找≥左表时间的最接近值）
• 虽然能用tolerance设置时间差上限，但它依然只返回单个近似匹配，而非范围内的所有记录——这就是它不适合你本次需求的原因，你需要的是范围内的全部符合记录，而非单个最接近的匹配。

内容的提问来源于stack exchange，提问作者ledzed