如何按日期合并 DF，仅使用日期和月份，使用指定的日期范围

Question

我有一个具有日期范围的 DF (df0)：

date
12/30/2018
12/31/2018
1/1/2019
1/2/2019
1/3/2019

以及带有数据的 DF (df1)：

date        loc temp
12/30/2017  YYC 5.07
12/31/2017  YYC 5.64
1/1/2017    YYC 3.43
1/2/2017    YYC 7.89
1/3/2017    YYC 2.49
12/30/2017  YYZ 4.08
12/31/2017  YYZ 7.40
1/1/2017    YYZ 7.82
1/2/2017    YYZ 8.33
1/3/2017    YYZ 7.74

我想创建一个新的 df，方法是将 df1 中的信息合并到 df0 中的日期范围，只使用 df1 中的日期和月份。如果年份不匹配也没关系。 IE: 12/30/2018 会在 df1.

中获取 12/30/2017 的数据

df0 中的日期范围是我要保留的关键日期范围。

一个日历年中的每一天，每个地点只有一个临时值。如果 df0 跨越多年，则相同的值可能会出现多次。 IE：如果 df0 是一个十年长的时间序列，我会看到 YYC = 5.07 十次，在时间序列的每个 12/30 上。

在上面的 df0 和 df1 示例中，新数据框 (df2) 将有两个条目表示 12/30/2018：

date        loc temp
12/30/2018  YYC 5.07
12/30/2018  YYZ 4.08

我不相信我可以合并这些，因为它是最新的。我不相信我可以做 .isin df0，因为我只需要匹配一部分（日和月）

Answer 1

为每个数据框创建一个月份和日期列，然后将 df1 与 df0 合并：

import pandas as pd

df0['Date'] = pd.to_datetime(df0['Date'])
df1['date'] = pd.to_datetime(df1['date'])
df0['day'] = df0.Date.dt.day
df0['month'] = df0.Date.dt.month
df1['day'] = df1.date.dt.day
df1['month'] = df1.date.dt.month

df0.merge(df1, how='inner', on=['month', 'day']).drop(columns=['month', 'day', 'date'])

    Date    loc temp
0   2018-12-30  YYC 5.07
1   2018-12-30  YYZ 4.08
2   2018-12-31  YYC 5.64
3   2018-12-31  YYZ 7.4
4   2019-01-01  YYC 3.43
5   2019-01-01  YYZ 7.82
6   2019-01-02  YYC 7.89
7   2019-01-02  YYZ 8.33
8   2019-01-03  YYC 2.49
9   2019-01-03  YYZ 7.74

如何按日期合并 DF，仅使用日期和月份，使用指定的日期范围

How to merge DFs by date, using only day and month, using specified date range

pandas

merge

time-series

helpers