当 df2 中的日期早于 df1 中的日期时，如何检查 df1 中的 id 是否存在于 df2 中，并使用 pandas 相应地添加新列

Question

我有两个数据集分配给 pandas 数据帧 DF1、DF2。 一个与历史客户交易 (DF2) 和另一个与其他客户活动 (DF1)，我需要首先在 DF2 中仅保留第一次出现以避免任何错误，然后将 ['existed_before'] 列添加到 DF1，输入为 True/False在比较两个数据框中的 ID 和日期之后。 我想到的逻辑类似于以下内容：如果 DF1['id'] == to DF2['ID'] and DF1['date'] > DF2['date'] then True，否则它应该是 False或 Nan，以防 DF2 中根本不存在 ID。

下面是所需 output 的演示，*注意：代码应同时考虑 id 和完整日期（包括小时/分钟/秒）。 此外，一个 ID 可能在两个数据帧中重复多次。

df1：
身份证日期
1 19-01-2021 00:13:48
2 2021 年 4 月 3 日 06:23:21
3 06-05-2021 08:44:00
3 23-11-2021 23:18:18
4 2021 年 15 月 12 日 03:20:13

df2:
身份证日期
1 25-01-2021 00:00:35
2 2021 年 8 月 3 日 07:25:21
3 18-03-2021 03:41:40

df1：
id 日期 first_time
1 2021 年 1 月 19 日 00:13:48 错误
2 2021 年 4 月 3 日 06:23:21 真
3 2021 年 6 月 5 日 08:44:00 错误
3 23-11-2021 23:18:18 真
4 2021 年 15 月 12 日 03:20:13 南

Answer 1

我在带有帮助列的merge_asof中得到了不同的输出：

df1['date'] = pd.to_datetime(df1['date'], dayfirst=True)
df2['date'] = pd.to_datetime(df2['date'], dayfirst=True)

# df1 = df1.sort_values('date')
# df2 = df2.sort_values('date')

df = pd.merge_asof(df1, 
                    df2.assign(first_time=True), 
                    on='date', 
                    by='id', 
                    allow_exact_matches=False)

df['first_time'] = (df['first_time'].fillna(False)
                                    .astype('boolean')
                                    .where(df['id'].isin(df2['id']))
print (df)
   id                date  first_time
0   1 2021-01-19 00:13:48       False
1   2 2021-03-04 06:23:21       False
2   3 2021-05-06 08:44:00        True
3   3 2021-11-23 23:18:18        True
4   4 2021-12-15 03:20:13        <NA>