如何合并两个DataFrame按ID和最近日期匹配生成Attendance列

方法1：无额外中间列实现 #

不需要新增额外临时列，所有逻辑封装在匹配函数内，仅最终生成你需要的Attendance列，代码如下：

import pandas as pd

# 预处理df2的日期列，转成datetime格式备用
df2_date_cols = pd.to_datetime(df2.columns[1:], format='%m/%d/%Y')
df2_date_names = df2.columns[1:]

def match_attendance(row):
    current_id = row['ID']
    current_date = pd.to_datetime(row['Date'], format='%m/%d/%Y')
    # 取同ID的df2行数据
    same_id_row = df2[df2['ID'] == current_id].iloc[0]
    # 处理12/31优先匹配下一年1月1日的特殊规则
    next_day = current_date + pd.Timedelta(days=1)
    if next_day in df2_date_cols:
        target_col = df2_date_names[df2_date_cols.get_loc(next_day)]
    else:
        # 计算日期差取最小的对应列
        diff = abs(df2_date_cols - current_date)
        target_col = df2_date_names[diff.argmin()]
    return same_id_row[target_col]

df1['Attendance'] = df1.apply(match_attendance, axis=1)

运行后得到的df1结果完全符合匹配规则：

补充说明 #

• 完全可以不创建额外列，上述方案就没有产生任何临时中间列，所有计算都在函数内部完成。
• 如果数据量较大（十万行以上），可以提前把df2转成{ID:{日期:数值}}的嵌套字典做缓存，避免每行都过滤df2，运行速度会提升数倍。

内容的提问来源于stack exchange，提问作者Sriram