Python 使用apply（）合并DataFrame，仅合并两列中的部分匹配

我需要合并两个数据帧，但不仅要合并精确的列值，还要合并近似的列值

例如，我有两个数据帧：

import pandas as pd
d = {'col1': ["a", "b", "c", "d"], 'col2': [3, 4, 66, 120]}
df = pd.DataFrame(data=d)

    col1    col2
0   a       3
1   b       4
2   c       66
3   d       120

d2 = {'col1a': ["aa", "bb", "cc", "dd"], 'col2b': [3, 4, 67, 100]}
df2 = pd.DataFrame(data=d2)
    col1a   col2b
0   aa      3
1   bb      4
2   cc      67
3   dd      100

现在，如果我简单地在

col2

和

col2b

列上连接它们，我只会得到两行列值完全相同的行

pd.merge(df, df2, how='inner', left_on='col2', right_on='col2b')
    col1    col2    col1a   col2b
0   a       3       aa      3
1   b       4       bb      4

现在，为了简单起见，我还想基于左数据框中整数值的+1或-1的整数合并列值。在我们的示例中，在左侧数据框中，除了值为

3

和

4

的行之外，值

66

应与

67

匹配到右侧数据框中的值：

        col1    col2    col1a   col2b
    0   a       3       aa      3
    1   b       4       bb      4
    2   c       66      cc      67

---

不确定如何解决此问题，可能需要使用

apply（）

？

基于近似列值进行合并，这里是

merge\u asof

pd.merge_asof(df,df2,left_on='col2',right_on='col2b',tolerance = 1,direction ='nearest').dropna()
Out[7]: 
  col1  col2 col1a  col2b
0    a     3    aa    3.0
1    b     4    bb    4.0
2    c    66    cc   67.0

---

这只适用于整数吗？我实际上需要根据坐标值进行合并，所以我的想法是使用apply（）计算坐标点（一个来自一个DF，另一个来自另一个DF）之间的距离，然后根据给定一定距离阈值的距离（以米为单位）进行合并。@ivan_bilan check scipy.distance然后