如何匹配ID并筛选两DataFrame中180天内的日期，生成最接近组合

我来帮你搞定这个需求，用Pandas的核心操作就能轻松实现，步骤清晰还容易复用，下面是完整的实现流程和代码：

步骤1：准备示例数据并转换日期类型 #

首先我们先把示例里的两个DataFrame定义出来，并且一定要把日期列转换成datetime类型——这是计算日期差的基础：

import pandas as pd

# 示例DataFrame A
df_a = pd.DataFrame({
    'ID': [42, 42, 167, 167, 105, 105],
    'Date_A': ['2012-07-21', '2013-04-12', '2009-04-27', '2010-04-19', '2010-12-16', '2012-01-05']
})

# 示例DataFrame B
df_b = pd.DataFrame({
    'ID': [12, 35, 42, 42, 167, 105, 105, 105, 105, 105],
    'Date_B': ['2016-09-08', '2008-02-02', '2012-01-09', '2013-03-13', '2010-08-02', '2010-11-26', '2011-08-12', '2011-11-11', '2013-03-15', '2013-09-13']
})

# 将日期列转换为datetime类型，否则无法计算日期差
df_a['Date_A'] = pd.to_datetime(df_a['Date_A'])
df_b['Date_B'] = pd.to_datetime(df_b['Date_B'])

步骤2：合并DataFrame并计算日期差 #

我们按ID把两个DataFrame合并，这样所有同ID的日期组合都会被配对，然后计算每对日期的差值绝对值：

# 按ID合并，得到同ID的所有日期组合
merged = pd.merge(df_a, df_b, on='ID', how='left')

# 计算日期差的绝对值（单位：天）
merged['date_diff'] = abs(merged['Date_A'] - merged['Date_B']).dt.days

步骤3：筛选符合条件的行并选取最接近的日期 #

先筛选出日期差≤180天的行，然后对每个ID+Date_A组合，挑出日期差最小的那一行（也就是最接近的日期）：

# 筛选日期差在180天以内的行
filtered = merged[merged['date_diff'] <= 180]

# 按ID和Date_A分组，找到每组中日期差最小的行
result = filtered.loc[filtered.groupby(['ID', 'Date_A'])['date_diff'].idxmin()]

# 整理结果，保留需要的列并重置索引
result = result[['ID', 'Date_A', 'Date_B']].reset_index(drop=True)

最终结果 #

运行完上面的代码，你会得到这样的结果：

ID    Date_A    Date_B
0   42 2013-04-12 2013-03-13
1  167 2010-04-19 2010-08-02
2  105 2010-12-16 2010-11-26
3  105 2012-01-05 2011-11-11

额外优化：保留所有A的行（无匹配时标记为NaN） #

如果想保留DataFrame A里的所有行，哪怕没有符合条件的B行，可以调整代码，把无匹配的Date_B标记为NaT（时间类型的空值）：

# 计算所有组合的日期差，不符合条件的设为无穷大
merged['date_diff'] = abs(merged['Date_A'] - merged['Date_B']).dt.days
merged['date_diff'] = merged['date_diff'].where(merged['date_diff'] <= 180, float('inf'))

# 找到每个A行的最小日期差对应的B行
result_with_all_a = merged.loc[merged.groupby(['ID', 'Date_A'])['date_diff'].idxmin()]

# 把无匹配的Date_B设为NaN
result_with_all_a['Date_B'] = result_with_all_a['Date_B'].where(result_with_all_a['date_diff'] != float('inf'), pd.NaT)

# 整理结果
result_with_all_a = result_with_all_a[['ID', 'Date_A', 'Date_B']].reset_index(drop=True)

这时候结果会包含A中所有行，比如ID=42的2012-07-21对应的Date_B就会显示为NaT，代表没有符合条件的匹配项。

内容的提问来源于stack exchange，提问作者sar