Python 有哪些算法&；数据结构对调整（金融）异步系统有用吗？

我正在审核两个交易系统之间的一些财务数据。这两个数据集由事务列表组成。各有,

• 时间戳
• 特殊事务ID（不在系统之间共享）
• 交易记录值（项目名称、项目值、总计、调整）

数据不完善；10-20%的数据不一致

我用熊猫拼凑出了一个解决这个问题的办法。 一个简单的

pandas.merge（）

太贪婪，会产生许多错误的匹配。一个好的匹配取决于数据集中的几个条件

除了熊猫，还有什么其他选择？ 当我研究这个问题时，我发现一些答案表明操作会导致我担心数据丢失或重复

将其转化为一个更好的Stackoverflow问题：在两个独立系统之间匹配活动时，哪些流行算法或数据结构有用？

• 不会改变原始数据集的东西
• 不会从原始数据集中删除项目
• 假设每个条目都有一个匹配项，该匹配项在其他数据集中存在或缺失

merge\u asof（）

对“关闭”匹配进行合并，可以匹配到最近的大于或小于。你试过了吗？

merge\u asof（）

对“关闭”匹配进行合并，可以匹配到最近的大于或小于。你试过了吗？