date - Pandas :如何在偏移日期合并两个数据框？

Question

我想根据 df2 的行是否在 df1 的行之后的 3-6 个月的日期范围内合并两个数据帧 df1 和 df2。例如:

df1(我有每家公司的季度数据):

    company DATADATE
0   012345  2005-06-30
1   012345  2005-09-30
2   012345  2005-12-31
3   012345  2006-03-31
4   123456  2005-01-31
5   123456  2005-03-31
6   123456  2005-06-30
7   123456  2005-09-30

df2(对于每家公司，我都有可能在任何一天发生的事件日期):

    company EventDate
0   012345  2005-07-28 <-- won't get merged b/c not within date range
1   012345  2005-10-12
2   123456  2005-05-15
3   123456  2005-05-17
4   123456  2005-05-25
5   123456  2005-05-30
6   123456  2005-08-08
7   123456  2005-11-29
8   abcxyz  2005-12-31 <-- won't be merged because company not in df1

理想的合并 df——df2 中的事件日期在 df1 行中的 DATADATE 之后 3-6 个月(即 1 个季度)的行将被合并:

    company DATADATE    EventDate
0   012345  2005-06-30  2005-10-12
1   012345  2005-09-30  NaN   <-- nan because no EventDates fell in this range
2   012345  2005-12-31  NaN
3   012345  2006-03-31  NaN
4   123456  2005-01-31  2005-05-15
5   123456  2005-01-31  2005-05-17
5   123456  2005-01-31  2005-05-25
5   123456  2005-01-31  2005-05-30
6   123456  2005-03-31  2005-08-08
7   123456  2005-06-30  2005-11-19
8   123456  2005-09-30  NaN

我试图通过将开始时间和结束时间列添加到 df1 来应用这个相关主题 [Merge pandas DataFrames based on irregular time intervals]，表示 DATADATE 之后的 3 个月(开始时间)到 6 个月(结束时间)，然后使用 np.searchsorted()，但这种情况是有点棘手，因为我想逐个公司合并。

Answer 1

这实际上是那些罕见的问题之一，不同的解决方案的算法复杂性可能会有很大不同。您可能想考虑这一点，而不是 1 行代码片段的巧妙之处。

算法上:

• 根据日期对较大的数据框进行排序

• 对于较小数据框中的每个日期，使用 bisect在更大的数据框中查找相关行的模块

对于长度分别为 m 和 n 的数据帧 (m < n)，复杂度应该是 O(m log( n)).