左连接两个数据框，其中包含日期范围内的日期列？答案

【问题标题】：Left join two dateframes with date columns on a range of dates?左连接两个数据框，其中包含日期范围内的日期列？
【发布时间】：2022-02-10 14:38:03
【问题描述】：

这是一个满足条件的示例。数据框 df1 和 df2 都有 id 列和 date 列。在 df1 中，id 列是唯一的，而在 df2 中，它是非唯一的。我想创建一个新的数据框，如果 df1.id == df2.id 并且 df2 中的某些日期对在 df1 中的日期的 1 周内，则发生连接

df1

| customer_id (unique) | 'purchase_date'|
| --------             | -------------- |
| 1                    | 2021-05-14     |
| 2                    | 2021-09-16     |

df2

| customer_id | 'visit_dates'  |
| --------    | -------------- |
| 1           | 2021-05-11     |
| 1           | 2021-05-16     |
| 1           | 2021-05-21     |
| 2           | 2021-07-14     |
| 2           | 2021-09-17     |


# New Df will only have 1 row.
# For customer 1 there is a date within the range(05-07 -> 05-14) 
# and within the range(05-14 -> 05-21) with matching id. 
# For customer 2, there are no dates within (09-09 -> 09-16) so it should be filtered

newdf

| customer_id (unique) | 'purchase_date'| begin_date_range | end_date_range
| --------             | -------------- | ---------------- | -------------
| 1                    | 2021-05-14     | 2021-05-11       | 2021-05-16

我了解如何在 SQL 中执行此操作，但我不知道哪些函数允许在 Pandas 中进行类似的日期谓词过滤。

构造df1和df2：

data1 = {'customer_id': [1, 2], 'purchase_date': ['2021-05-14', '2021-09-16']}

data2 = {'customer_id': [1, 1, 1, 2, 2],
         'visit_dates': ['2021-05-11', '2021-05-16', '2021-05-21', '2021-07-14', '2021-09-17']}

【问题讨论】：

你能添加一些我们可以运行的df = pd.DataFrame({...}) 语句来创建DataFrame吗？

标签： python pandas dataframe date

【解决方案1】：

以@Raymond Kwok 的出色回答为基础：我们可以merge 两次，一次向左合并df1 到df2，然后将“begin_date_range”部分与“end_date_range”部分合并

merged = df1.merge(df2, on='customer_id', how='left')
merged['purchase_date'] = pd.to_datetime(merged['purchase_date'])
merged['visit_dates'] = pd.to_datetime(merged['visit_dates'])

day_diff = merged['purchase_date'].sub(merged['visit_dates']).dt.days
out = (merged[day_diff.between(0,6)]
       .merge(merged[day_diff.between(-6,0)], on=['customer_id','purchase_date'])
       .rename(columns={'visit_dates_x': 'begin_date_range', 'visit_dates_y': 'end_date_range'}))

输出：

   customer_id purchase_date begin_date_range end_date_range
0            1    2021-05-14       2021-05-11     2021-05-16

【讨论】：

【解决方案2】：

使用周条件过滤merge 结果。

df = df1.merge(df2, on='customer_id', how='left')
df[(df['purchase_date'] - df['visit_dates']).dt.days.between(0, 6)]
df['visit_dates+1week'] = df['visit_dates'] + pd.Timedelta(days=6)

【讨论】：