You need to enable JavaScript to run this app. 如何在Pandas中基于日期范围、物品ID与价格合并两数据框并标记非匹配项?
优惠活动
大模型
产品
解决方案
定价
更多

如何在Pandas中基于日期范围、物品ID与价格合并两数据框并标记非匹配项?

Pandas 多条件区间关联实现

核心逻辑

严格按照给定的匹配规则实现关联:

  • 匹配维度:销售Date落在促销记录的[Start_Date, End_Date]闭区间内、销售记录ID与促销ID一致、销售Price与促销Price一致
  • 关联方式:左连接,全量保留销售表所有原始行,未满足匹配条件的行Promo字段统一标记为Non-Event

实现代码

import pandas as pd

# 1. 构造销售数据集
sales_df = pd.DataFrame({
    "Date": ["1/1/2020", "1/1/2020", "1/2/2020", "1/10/2020", "1/11/2020"],
    "ID": [3, 4, 10, 4, 3],
    "Price": [9.99, 5.99, 69.99, 5.99, 10.99]
})
# 日期字段转datetime格式,消除字符串比较误差
sales_df["Date"] = pd.to_datetime(sales_df["Date"])

# 2. 构造促销数据集
promo_df = pd.DataFrame({
    "Start_Date": ["1/1/2020", "1/1/2020", "1/1/2020"],
    "End_Date": ["1/8/2020", "1/8/2020", "1/8/2020"],
    "ID": [3, 4, 10],
    "Price": [9.99, 5.99, 49.99],
    "Promo": ["Event1", "Event1", "Event1"]
})
# 促销起止日期同步转datetime格式
promo_df[["Start_Date", "End_Date"]] = promo_df[["Start_Date", "End_Date"]].apply(pd.to_datetime)

# 3. 基于ID、Price两个刚性等值键做左连接,全量保留销售行
merged = sales_df.merge(
    promo_df[["Start_Date", "End_Date", "ID", "Price", "Promo"]],
    on=["ID", "Price"],
    how="left"
)

# 4. 过滤有效匹配:销售日期落在促销区间内才算匹配成功
valid_match = (merged["Date"] >= merged["Start_Date"]) & (merged["Date"] <= merged["End_Date"])
# 未满足匹配条件的行统一标记为Non-Event
merged.loc[~valid_match, "Promo"] = "Non-Event"

# 5. 清理辅助列,整理输出格式
final_result = merged.drop(columns=["Start_Date", "End_Date"])
# 日期格式化还原为示例样式,Windows系统可将参数替换为"%#m/%#d/%Y"
final_result["Date"] = final_result["Date"].dt.strftime("%-m/%-d/%Y")

运行输出结果

Date  ID  Price      Promo
0   1/1/2020   3   9.99     Event1
1   1/1/2020   4   5.99     Event1
2   1/2/2020  10  69.99  Non-Event
3  1/10/2020   4   5.99  Non-Event
4  1/11/2020   3  10.99  Non-Event

常见踩坑说明

之前尝试的merge_asof方案无法满足需求的核心原因是:该方法仅支持单键时序近邻匹配,既没法约束销售日期必须落在促销区间的上界以内,也没法强制绑定ID、Price两个等值匹配条件,极易出现错配。

日期处理是这类匹配的核心易错点:所有参与区间比较的日期必须转为datetime格式,直接用字符串比较的话,"1/10/2020"会被判定为早于"1/8/2020",完全颠倒日期先后顺序。

该方案的关联效率远高于全表笛卡尔积匹配:先通过ID、Price两个刚性条件过滤掉绝大多数无效关联,再做日期区间判断,数据量较大时也能稳定运行。

内容的提问来源于stack exchange,提问作者stupideye

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.12 04:06:02