合并两个没有主键的 Pandas 数据框，但使用最新日期

Question

我有两个 pandas 数据框，看起来像：

df1

记录学生及其模拟考试成绩和模拟考试日期：

ID             Mock_Date      Student_ID        Mock_score
1              14/3/2020      792               213     
2              9/5/2020       792               437     
3              17/8/2020      792               435     
4              4/1/2022       14598             112312     
5              29/12/2022     14350             4325     
6              3/10/2019      621               523     
7              12/8/2020      621               876     
8              5/5/2022       621               4324 
9              6/9/2022       621               5432 
10             6/3/2022       455               34     

df2

记录学生及其实际考试成绩和考试日期：

Student_ID  Date        Score
324         14/2/2019   543
792         14/2/2019   9785
792         3/11/2019   7690
621         3/11/2019   324
12          16/3/2020   34234
792         16/3/2020   4235
14598       16/3/2020   975
792         9/5/2020    427
792         17/8/2020   876
621         17/8/2020   986

我想使用以下逻辑将

df1

与

df2

合并：对于

df2

中的特定行（特定学生的实际考试成绩），使用

df1

中的行以及之前的模拟考试日期实际考试日期（即实际考试日期之前最接近的日期），如果不存在，则输入 NaN。所以所需的输出如下所示：

Student_ID  Date        Score   Mock_Date    Mock_score
324         14/2/2019   543     NaN          NaN
792         14/2/2019   9785    NaN          NaN
792         3/11/2019   7690    NaN          NaN
621         3/11/2019   324     3/10/2019    523   #last occurrence before 3/11 is 3/10
12          16/3/2020   34234   NaN          NaN
792         16/3/2020   4235    14/3/2020    213   #last occurrence before 16/3 is 14/3
14598       16/3/2020   975     NaN          NaN
792         9/5/2020    427     14/3/2020    213   #last occurrence before 9/5 is 14/3
792         17/8/2020   876     9/5/2020     437   #last occurrence before 17/8 is 9/5
621         17/8/2020   986     12/8/2020    876

我什至不知道如何开始，提前谢谢。

Answer 1

使用

pandas.merge_asof

向后方向（首先对数据帧进行排序）：

df1 = df1.sort_values(by="Mock_Date")
df2 = df2.sort_values(by="Date")

out = pd.merge_asof(
    df2,
    df1,
    by="Student_ID",
    left_on="Date",
    right_on="Mock_Date",
    direction="backward",
)

print(out)

打印：

   Student_ID       Date  Score   ID  Mock_Date  Mock_score
0         324 2019-02-14    543  NaN        NaT         NaN
1         792 2019-02-14   9785  NaN        NaT         NaN
2         792 2019-11-03   7690  NaN        NaT         NaN
3         621 2019-11-03    324  6.0 2019-10-03       523.0
4          12 2020-03-16  34234  NaN        NaT         NaN
5         792 2020-03-16   4235  1.0 2020-03-14       213.0
6       14598 2020-03-16    975  NaN        NaT         NaN
7         792 2020-05-09    427  2.0 2020-05-09       437.0
8         792 2020-08-17    876  3.0 2020-08-17       435.0
9         621 2020-08-17    986  7.0 2020-08-12       876.0