如何使用熊猫检查 df1 中的客户 ID 在 df2 中的该日期之前是否存在

Question

我有两个数据集分配给熊猫数据框 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 中不存在 ID完全没有。

下面是所需输出的演示， *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 15-12-2021 03:20:13

df2:
身份证日期
1 19-01-2021 00:13:48
2 2021 年 2 月 1 日 09:27:23
3 06-05-2021 08:44:00

df1:
id 日期存在_之前
1 19-01-2021 00:13:48 错误
2 2021 年 4 月 3 日 06:23:21 真的
3 06-05-2021 08:44:00 错误
3 23-11-2021 23:18:18 真的
4 15-12-2021 03:20:13 NaN

Answer 1

我在 merge_asof 中得到了不同的输出，带有辅助列：

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        True
2   3 2021-05-06 08:44:00       False
3   3 2021-11-23 23:18:18        True
4   4 2021-12-15 03:20:13        <NA>