如何实现按ID左连接并累加指定日期前销量的DataFrame合并

前置准备 #

首先确保你已经导入pandas库，且两份原始表命名如下：

• 左表（含描述字段）：df_desc，字段为ID、Date、Description
• 右表（含销量字段）：df_sales，字段为ID、Date、Num Sold

实现步骤 #

1. 数据预处理 #

首先统一两个表的日期格式，同时完成排序（merge_asof方法要求关联字段有序）：

# 转换日期格式为datetime类型，避免字符串比对错误
df_desc['Date'] = pd.to_datetime(df_desc['Date'])
df_sales['Date'] = pd.to_datetime(df_sales['Date'])

# 两个表都按ID、日期升序排序
df_desc = df_desc.sort_values(by=['ID', 'Date']).reset_index(drop=True)
df_sales = df_sales.sort_values(by=['ID', 'Date']).reset_index(drop=True)

2. 聚合右表销量并计算累计值 #

先对右表按ID+日期聚合（避免同一ID同一天有多条销量记录的误差），再按ID分组计算历史累计销量：

# 同ID同日期的销量先求和
df_sales_agg = df_sales.groupby(['ID', 'Date'], as_index=False)['Num Sold'].sum()
# 按ID分组计算累计销量
df_sales_agg['累计销量'] = df_sales_agg.groupby('ID')['Num Sold'].cumsum()

3. 按规则匹配两张表 #

用pandas的merge_asof方法实现「同ID、右表日期<=左表日期」的匹配，该方法效率远高于普通左连接后过滤求和：

result = pd.merge_asof(
    left=df_desc,
    right=df_sales_agg[['ID', 'Date', '累计销量']],
    by='ID', # 按ID分组匹配
    on='Date', # 按日期关联
    direction='backward' # 匹配小于等于左表当前日期的最近右表记录
)
# 无匹配记录时累计销量填充为0
result['累计销量'] = result['累计销量'].fillna(0).astype(int)

结果验证 #

按你给出的示例场景：

右表ID为1的销量记录为2021/1/1销量4、2021/3/1销量50
左表ID为1的2021/2/1记录匹配到的累计销量为4，2021/5/1记录匹配到的累计销量为54，和需求完全一致。

最终输出的result表就包含你需要的ID、Date、Description、累计销量四个字段。

内容的提问来源于stack exchange，提问作者Patelra95