从另一个匹配 id 并基于日期列 pandas 中的条件的数据框中添加数据框中的列答案

【问题标题】：Add column in dataframe from another dataframe matching the id and based on condition in date columns pandas从另一个匹配 id 并基于日期列 pandas 中的条件的数据框中添加数据框中的列
【发布时间】：2022-10-23 14:29:35
【问题描述】：

我的问题是一个非常复杂和令人困惑的问题，我无法在任何地方找到答案。我基本上有 2 个数据框，一个是某些产品的价格历史记录，另一个是包含交易数据的发票数据框。

样本数据：

价格历史：

    product_id    updated  price
id                              
1            1 2022-01-01    5.0
2            2 2022-01-01    5.5
3            3 2022-01-01    5.7
4            1 2022-01-15    6.0
5            2 2022-01-15    6.5
6            3 2022-01-15    6.7
7            1 2022-02-01    7.0
8            2 2022-02-01    7.5
9            3 2022-02-01    7.7

发票：

   transaction_date  product_id  quantity
id                                       
1        2022-01-02           1         2
2        2022-01-02           2         3
3        2022-01-02           3         4
4        2022-01-14           1         1
5        2022-01-14           2         4
6        2022-01-14           3         2
7        2022-01-15           1         3
8        2022-01-15           2         6
9        2022-01-15           3         5
10       2022-01-16           1         3
11       2022-01-16           2         2
12       2022-01-16           3         3
13       2022-02-05           1         1
14       2022-02-05           2         4
15       2022-02-05           3         7
16       2022-05-10           1         4
17       2022-05-10           2         2
18       2022-05-10           3         1

我希望实现的是在发票数据框中添加价格列，基于：

产品编号
比较更新日期和交易日期，以更新日期 <= 该特定记录的交易日期，基本上是在价格更新后找到最接近的日期。（MAX 日期 <= 交易日期）
我设法做到了：
```
invoice['price'] = invoice['product_id'].map(price_history.set_index('id')['price'])
```
但现在需要合并日期条件。

样本数据的预期结果：

Expected Result

感谢您提供正确方向的任何指导，谢谢

【问题讨论】：

Pandas merge_asof 可能就是你所追求的

标签： python pandas dataframe

【解决方案1】：

merge_asof 是您正在寻找的内容：

pd.merge_asof(
    invoice,
    price_history,
    left_on="transaction_date",
    right_on="updated",
    by="product_id",
)[["transaction_date", "product_id", "quantity", "price"]]

【讨论】：

【解决方案2】：

带 arg 方向的 merge_asof

merged = pd.merge_asof(
    left=invoice,
    right=price_history,
    left_on="transaction_date",
    right_on="updated",
    by="product_id",
    direction="backward",
    suffixes=("", "_y")
).drop(columns=["id_y", "updated"]).reset_index(drop=True)

print(merged)


    id transaction_date  product_id  quantity  price
0    1       2022-01-02           1         2    5.0
1    2       2022-01-02           2         3    5.5
2    3       2022-01-02           3         4    5.7
3    4       2022-01-14           1         1    5.0
4    5       2022-01-14           2         4    5.5
5    6       2022-01-14           3         2    5.7
6    7       2022-01-15           1         3    6.0
7    8       2022-01-15           2         6    6.5
8    9       2022-01-15           3         5    6.7
9   10       2022-01-16           1         3    6.0
10  11       2022-01-16           2         2    6.5
11  12       2022-01-16           3         3    6.7
12  13       2022-02-05           1         1    7.0
13  14       2022-02-05           2         4    7.5
14  15       2022-02-05           3         7    7.7
15  16       2022-05-10           1         4    7.0
16  17       2022-05-10           2         2    7.5
17  18       2022-05-10           3         1    7.7

【讨论】：