我正在尝试合并两个数据框，分别是name和最近的日期（WRT左边的数据框）。在我的研究中，我在这里发现了一个类似的问题，但它不能解释这个名字。从上面的问题来看，似乎没有一种方法可以通过merge实现这一点，但是我看不到另一种方法可以实现不使用pandas merge函数的两个参数的连接
有没有一种方法可以通过合并来实现这一点？如果不是，那么什么才是合适的方法呢
我将发布一个副本，我已经尝试了，但这是一个确切的日期，这将不会工作合并尝试它。最重要的一行是最后一行，在这里我创建了data3 dataframe
data=pd.read\u csv（“edgar14Afacts.csv”，parse\u dates={“dater”：[2]}，推断\u datetime\u format=True）
data2=pd.read\u csv（“sdcmergersdata.csv”，parse\u dates={“dater”：[17]}，expert\u datetime\u format=True）
列表（data2.columns.values）
data2.rename（columns=lambda x:x.replace（'\r\n'，''），inplace=True）
data2.rename（columns=lambda x:x.replace（'\n'，''），inplace=True）
data2.rename（columns=lambda x:x.replace（'\r'，''），inplace=True）
data2=data2.rename（列={'Acquiror Name'：'Name'}）
data2=data2.rename（列={'dater'：'date'}）
data=data.rename（列={'dater'：'date'}）
列表（data2.columns.values）
数据[“名称”]=数据[“名称”].map（str.lower）
data2[“name”]=data2['name'].map（str.lower）
数据2['date'].fillna（方法='pad'）
数据['namer1']=数据['name']
数据['dater1']=数据['date']
data2['namer2']=data2['name']
data2['dater2']=data2['date']
打印数据头（）
打印数据2.head（）
data['name']=data['name'].map（lambda x:str（x）[:4]）
data2['name']=data2['name'].map（lambda x:str（x）[:4]）
data3=pd.merge（数据，data2，how='left'，on=['date'，'name']）
数据3.to_csv（“check.csv”）
这是超级晚了，但希望它有助于新的答案寻求者。我在这里回答了一个类似的问题
在熊猫中使用了一种新的方法：
pandas.merge\u asof（）
您感兴趣的参数将是方向，公差，左侧，以及右侧
在@hernamesbarbara answer&；数据：
资料
a=“”时间点，测量
2014-01-01 00:00:00,78
2014-01-02 00:00:00,29
2014-01-03 00:00:00,5
2014-01-04 00:00:00,73
2014-01-05 00:00:00,40
2014-01-06 00:00:00,45
2014-01-07 00:00:00,48
2014-01-08 00:00:00,2
2014-01-09 00:00:00,96
2014-01-10 00:00:00,82
2014-01-11 00:00:00,61
2014-01-12 00:00:00,68
2014-01-13 00:00:00,8
2014-01-14 00:00:00,94
2014-01-15 00:00:00,16
2014-01-16 00:00:00,31
2014-01-17 00:00:00,10
2014-01-18 00:00:00,34
2014-01-19 00:00:00,27
2014-01-20 00:00:00,58
2014-01-21 00:00:00,90
2014-01-22 00:00:00,41
2014-01-23 00:00:00,97
2014-01-24 00:00:00,7
2014-01-25 00:00:00,86
2014-01-26 00:00:00,62
2014-01-27 00:00:00,91
2014-01-28 00:00:00,0
2014-01-29 00:00:00,73
2014-01-30 00:00:00,22
2014-01-31 00:00:00,43
2014-02-01 00:00:00,87
2014-02-02 00:00:00,56
2014-02-03 00:00:00,45
2014-02-04 00:00:00,25
2014-02-05 00:00:00,92
2014-02-06 00:00:00,83
2014-02-07 00:00:00,13
2014-02-08 00:00:00,50
2014-02-09 00:00:00,48
2014-02-10 00:00:00,78"""
b=“”时间点，测量
2014-01-01 00:00:00,78
2014-01-08 00:00:00,29
2014-01-15 00:00:00,5
2014-01-22 00:00:00,73
2014-01-29 00:00:00,40
2014-02-05 00:00:00,45
2014-02-12 00:00:00,48
2014-02-19 00:00:00,2
2014-02-26 00:00:00,96
2014-03-05 00:00:00,82
2014-03-12 00:00:00,61
2014-03-19 00:00:00,68
2014-03-26 00:00:00,8
2014-04-02 00:00:00,94
"""
解决方案
将熊猫作为pd导入
从熊猫导入读取
从io导入StringIO
df1=pd.read\u csv（StringIO（a），parse\u dates=['timepoint']）
df2=pd.read\u csv（StringIO（b），parse\u dates=['timepoint']）
df1['timepoint']=pd.to_datetime（df1['timepoint']）
df2['timepoint']=pd.to_datetime（df2['timepoint']）
#将其转换为索引，这样我们可以保留日期\开始\时间列，这样您就可以验证合并逻辑
df1.index=df1['timepoint']
df2.index=df2['timepoint']
#魔术发生在下面，检查方向和公差参数
#如果需要，可以设定合并数据的最大公差
tol=pd.Timedelta（'3天'
df3=pd.merge\U asof（左=df1，右=df2，右=True，左=True，方向为最近，公差为tol）
输出
df3.head（）
时间点×测量值×时间点×测量值
时点
2014-01-01 2014-01-01 78 2014-01-01 78
2014-01-02 2014-01-02 29 2014-01-01 78
2014-01-03 2014-01-03 5 2014-01-01 78
2014-01-04 2014-01-04 73 2014-01-01 78
2014-01-05 2014-01-05 40 2014-01-08 29