我有两个 Pandas 数据框，我想在多列（比如 3）和大约（即最近的邻居）上的一个（日期）列上加入/合并。我也想返回它们之间的差异（天）。每个数据集大约有 50,000 行长。我对内连接最感兴趣，但“剩菜”也很有趣，如果不是太难掌握的话。大多数“完全匹配”观察结果将在每个数据框中多次出现。
我一直在尝试使用difflib.get_close_matches将它们全部连接为字符串（这很愚蠢，我知道！）但并不总是给出完全匹配。我想我需要先循环精确匹配，然后在该组中找到最近的匹配，但我似乎无法正确...
数据框看起来像：
df1 = pd.DataFrame({'index': ['a1','a2','a3','a4'], 'col1': ['1232','432','432','123'], 'col2': ['asd','dsa12','dsa12','asd2'], 'col3': ['1','2','2','3'], 'date': ['2010-01-23','2016-05-20','2010-06-20','2008-10-21'],}).set_index('index')
df1
Out[430]:
col1 col2 col3 date
index
a1 1232 asd 1 2010-01-23
a2 432 dsa12 2 2016-05-20
a3 432 dsa12 2 2010-06-20
a4 123 asd2 3 2008-10-21
df2 = pd.DataFrame({'index': ['b1','b2','b3','b4'], 'col1': ['132','432','432','123'], 'col2': ['asd','dsa12','dsa12','sd2'], 'col3': ['1','2','2','3'], 'date': ['2010-01-23','2016-05-23','2010-06-10','2008-10-21'],}).set_index('index')
df2
Out[434]:
col1 col2 col3 date
index
b1 132 asd 1 2010-01-23
b2 432 dsa12 2 2016-05-23
b3 432 …