python - 带有公差参数的 Pandas merge_asof 失败

Question

我尝试使用 merge_asof 加入 2 个数据帧功能。第一个数据框包含一行失败的组件。

>>> import pandas as pd
>>> from datetime import datetime

>>> failed_date_str = '2019-05-09'
>>> failed_date = datetime.strptime(failed_date_str, '%Y-%m-%d')
>>> failed = pd.DataFrame([{"component": "a1", "failed_date": failed_date}])
>>> failed
  component failed_date
0        a1  2019-05-09

第二个数据框包含针对该组件的工单/原因列表。

>>> future_failed_date = failed_date + pd.Timedelta(weeks=1)
>>> cases = pd.DataFrame(
...     [
...         {
..               "component": "a1",
...              "tickets": 'r'+str(o),
...              "created_date": future_failed_date - pd.Timedelta(days=o)
...         }
...         for o in range(0, 10) if o!=7
...     ]
... ).sort_values(by="created_date")
>>> cases
  component created_date tickets
8        a1   2019-05-07      r9
7        a1   2019-05-08      r8
6        a1   2019-05-10      r6
5        a1   2019-05-11      r5
4        a1   2019-05-12      r4
3        a1   2019-05-13      r3
2        a1   2019-05-14      r2
1        a1   2019-05-15      r1
0        a1   2019-05-16      r0

请注意，组件 a1 在 2015 年 5 月 9 日失败，并且在 failed_date 之前和之后创建了多个票证。

我想在失败日期后的 2 天内获得最近的一组门票 +/-。我尝试以下操作:

>>> pd.merge_asof(
...     failed,
...     cases,
...     by="component",
...     left_on="failed_date",
...     right_on="created_date",
...     direction="nearest",
...     tolerance=pd.Timedelta(days=2)
... )
  component failed_date created_date tickets
0        a1  2019-05-09   2019-05-08      r8

因为我已指定最近的方向和 2 天的公差，我希望我会得到 4 行对应于日期(2019-05-07 到 2019-05-11)但我只得到一行如上所示。看起来我不明白 merge_asof 中方向/公差参数的用法。有人可以解释我做错了什么吗？

如果有帮助，我的pandas和python版本如下:

>>> pd.__version__
'0.24.2'
>>> import sys
>>> sys.version_info
sys.version_info(major=3, minor=7, micro=3, releaselevel='final', serial=0)

Answer 1

你的 df 的顺序对于 merge_asof 很重要，它将在 default 上进行左合并。 :

This is similar to a left-join except that we match on nearest key rather than equal keys

pd.merge_asof(
    cases,
    failed,
    by="component",
    right_on="failed_date",
    left_on="created_date",
    direction='nearest',
    tolerance=pd.Timedelta(days=2)
)
Out[297]: 
  component tickets created_date failed_date
0        a1      r9   2019-05-07  2019-05-09
1        a1      r8   2019-05-08  2019-05-09
2        a1      r6   2019-05-10  2019-05-09
3        a1      r5   2019-05-11  2019-05-09
4        a1      r4   2019-05-12         NaT
5        a1      r3   2019-05-13         NaT
6        a1      r2   2019-05-14         NaT
7        a1      r1   2019-05-15         NaT
8        a1      r0   2019-05-16         NaT