如果日期时间在某个时间范围内，则在 Python 中加入两个数据集，并创建一个“不匹配”数据集

Question

我有两个数据集：df1 和 df2，如果日期时间在 df2 的 20 秒内，我希望列从 df1 合并在一起df1Connect                 Ended4/6/2020 1:15:21 PM     4/6/2020 2:05:18 PM3/31/2020 11:00:08 AM   3/31/2020 11:00:10 AM4/1/2020 10:00:05 PM    4/1/2020 12:00:05 PMdf2Start                   End4/6/2020 1:15:21 PM     4/6/2020 2:05:18 PM3/31/2020 11:00:10 AM   3/31/2020 11:00:14 AM期望的输出：df3Match_Start1             Match_End1                     Match_Start2              Match_End24/6/2020 1:15:21 PM     4/6/2020 2:05:18 PM          4/6/2020 1:15:21 PM     4/6/2020 2:05:18 PM3/31/2020 11:00:08 AM   3/31/2020 11:00:10 AM        3/31/2020 11:00:10 AM   3/31/2020 11:00:14 AM    df4（不匹配）Unmatched_Start         Unmatched_end  4/1/2020 10:00:05 PM    4/1/2020 12:00:05 PM输入：df1   :   '  Connect   Ended\n0    4/6/2020 1:15:21 PM     4/6/2020 2:05:18 PM\n1     3/31/2020 11:08:08 AM  3/31/2020 11:00:10 AM\n2   4/1/2020 10:00:05 PM    4/1/2020 12:00:05    PM'df2  Out[117]:  '    Start    End\n0    4/6/2020 1:15:21 PM    4/6/2020 2:05:18 PM\n1       3/31/2020 11:08:08 AM  3/31/2020 11:00:14 AM\n2                    NaN                    NaN'我在想什么：df2 = pd.merge_asof(df1, df2, on="Connect", by = "Ended", tolerance=pd.Timedelta('20s'), direction='backward')但是，如何合并 20 秒的条件，以及显示不匹配的数据集？任何建议表示赞赏

Answer 1

您需要读入数据并转换为日期时间格式 - 我用剪贴板读入数据并在那里解析日期。其次，您需要按键对数据进行排序（在这种情况下，键是 df1 的“连接”和 df2 的“开始”）。在那之后 pandas merge_asof就足够了。请注意，合并只能在一个键上发生，而不是多个：

对数据框进行排序

df1 = df1.sort_values(['Connect','Ended'])

df2 = df2.sort_values(['Start','End'])

合并数据框

merger = pd.merge_asof(df1,df2,

                       left_on='Connect',

                       right_on='Start',

                       tolerance = pd.Timedelta('20s'),

                       direction='forward')

merger

     Connect                   Ended            Start              End

0   2020-03-31 11:00:08 2020-03-31 11:00:10 2020-03-31 11:00:10 2020-03-31 11:00:14

1   2020-04-01 22:00:05 2020-04-01 12:00:05        NaT             NaT

2   2020-04-06 13:15:21 2020-04-06 14:05:18 2020-04-06 13:15:21 2020-04-06 14:05:18

应该很容易选择匹配和不匹配的行：

matched = merger.dropna()

matched

         Connect              Ended                    Start         End

0   2020-03-31 11:00:08 2020-03-31 11:00:10 2020-03-31 11:00:10 2020-03-31 11:00:14

2   2020-04-06 13:15:21 2020-04-06 14:05:18 2020-04-06 13:15:21 2020-04-06 14:05:18

unmatched = merger.loc[merger.isna().any(axis=1)]

unmatched

    Connect               Ended           Start End

1   2020-04-01 22:00:05 2020-04-01 12:00:05 NaT NaT

希望它就足够了......如果你被踩到，文档有更多的例子来指导你