Python pandas - 如何合并两个基于日期不一致的数据框？

Question

我目前有两个非常大的数据集：

df1 ：

                    created_at  PM1.0_CF1_ug/m3  ...  PM2.5_ATM_ug/m3  Unnamed: 9
0    2019-08-08 18:00:00+00:00             4.46  ...             8.78         NaN
1    2019-08-08 19:00:00+00:00             0.00  ...             0.00         NaN

df2 ：

                    created_at  REF
0    2019-08-08 17:00:00+00:00             1.08
1    2019-08-08 18:00:00+00:00            84.31

并非df1中给出的所有created_at值都出现在df2中，这是一个比第一个更小的数据框。

我想做的是根据df2中给出的created_at值合并/加入两个表，并在合并表中有一个REF列，该列仅显示在最初在df2中的日期上。

这是我想要的一个例子：

                    created_at  PM1.0_CF1_ug/m3  ...  PM2.5_ATM_ug/m3  Unnamed: 9         REF
0    2019-08-08 18:00:00+00:00             4.46  ...             8.78         NaN       84.31
1    2019-08-08 19:00:00+00:00             0.00  ...             0.00         NaN         NaN

也许可以在 SQL 中执行此操作，然后将其转换为 pandas DF，但是我熟悉 SQL 连接。

谢谢！

Answer 1

您应该查看pd.merge_asof并指定容差。 或者，仅合并日期而不是日期时间。

Answer 2

在 SQL 中，您通常会使用left join来选择从df2中引入匹配的行：

select df1.*, df2.ref
from df1
left join df2 on df2.created_at = df1.created_at

当df2中没有匹配项时，列ref将在结果集中显示为null 。