Pandas日期范围匹配：将日期映射至对应区间的bucket

我们有两个DataFrame：

• df1：包含start_date、end_date、bucket三列，共80行，每行对应一个日期区间
• df2：包含Dates一列，共80行，每行是一个单独日期

需要把df2里的每个日期匹配到df1中对应的日期区间（也就是日期落在start_date和end_date之间），然后把匹配到的日期添加到df1的新列Dates里。

示例数据：

df1数据：

start_date	end_date	bucket
2017-06-01	2017-12-31	1
2018-06-01	2018-12-31	2
2019-06-01	2019-12-31	3
2020-06-01	2020-12-31	4

df2数据：

Dates
2019-08-28
2020-09-15
2017-09-13
2018-07-22

期望输出：

第一步：统一日期格式 #

先把两个DataFrame里的日期列转成datetime类型，避免字符串匹配出问题：

import pandas as pd

# 转换df1的日期列
df1['start_date'] = pd.to_datetime(df1['start_date'])
df1['end_date'] = pd.to_datetime(df1['end_date'])

# 转换df2的日期列
df2['Dates'] = pd.to_datetime(df2['Dates'])

第二步：匹配日期到对应区间 #

这里给两种实用方法，按需选择：

方法一：逐行匹配（简单直观）

用apply遍历df1的每一行，筛选出落在当前区间的df2日期：

def find_matching_date(row, df2_dates):
    # 筛选符合区间条件的日期
    matched_dates = df2_dates[(df2_dates >= row['start_date']) & (df2_dates <= row['end_date'])]
    # 返回第一个匹配的日期，无匹配则返回None
    return matched_dates.iloc[0] if not matched_dates.empty else None

# 给df1新增Dates列
df1['Dates'] = df1.apply(find_matching_date, df2_dates=df2['Dates'], axis=1)

方法二：交叉合并筛选（高效适配大数据）

如果数据量更大，交叉合并后筛选的方式效率更高：

# 用临时key交叉合并两个DataFrame
merged_df = df1.assign(temp_key=1).merge(df2.assign(temp_key=1), on='temp_key').drop('temp_key', axis=1)

# 筛选日期落在区间内的行
filtered_df = merged_df[(merged_df['Dates'] >= merged_df['start_date']) & (merged_df['Dates'] <= merged_df['end_date'])]

# 把匹配结果合并回原df1
df1 = df1.merge(filtered_df[['bucket', 'Dates']], on='bucket', how='left')

补充说明 #

• 示例默认每个日期区间只对应一个df2日期，如果存在多个匹配，可以修改代码取第一个、最后一个，或者把所有匹配日期拼成列表
• 要是有日期找不到对应区间，结果会显示NaN，可以根据需求填充默认值或者做其他处理

内容的提问来源于stack exchange，提问作者Somanshu