Python 熊猫时间序列加入

我有两个数据帧，一个包含可能触发或不触发动作的事件。另一个表示带有字段的操作，以显示是什么触发了该操作。我的目标是尽可能多的触发动作持续时间
这些键不在我的控制之下，也不是一个完全相等的连接，在这里只找到一个匹配项。我的想法是先进行连接，然后删除负持续时间，因为我知道触发器必须先于操作。然后，我需要删除除每个键的最短持续时间之外的所有键。请参阅示例代码。我希望结果中的所有操作字段“其他数据”。（仅适用于最短持续时间的连接）
我知道我的结果可能包括一些人为的短持续时间，但我怀疑由于连接密钥重用的性质，这种情况很少发生，并且不会对分析的其余部分造成问题。以前，我一直使用任意选择的最大持续时间来抛出错误的连接数据，但是抛出这些异常值会有问题，因为我最感兴趣的是高异常值

import numpy as np
import pandas as pd

scale = 10000 # can go low like 1000 or high like a million just for dummmy data
trigger_df = pd.DataFrame({'seq_key' : np.random.random_integers(scale * .02,scale *     .2,scale * 7),
                           'time_ns' : np.random.random_integers(scale * .04,scale * .4,scale * 7)})

action_df = pd.DataFrame({'seq_key' : np.random.random_integers(scale * .02,scale * .2,scale * .7),
                       'time_ns' : np.random.random_integers(scale * .04,scale * .4,scale * .7),
                       'other_data' : np.random.random_integers(scale * .03,scale * .3,scale * .7)})
action_df.drop_duplicates(cols='seq_key', take_last=True)

join_df = pd.merge(action_df,trigger_df, 
            on='seq_key', how='inner',
            suffixes=('_action','_trigger'))
join_df['duration_ns'] = join_df.time_ns_action - join_df.time_ns_trigger
join_df = join_df[join_df.duration_ns > 0]

grouped = join_df.groupby(by = ['seq_key'])['duration_ns']
result_df = pd.DataFrame({'duration_ns' : grouped.min()}).reset_index()
print average(result_df.duration_ns)
print average(join_df.duration_ns)
print result_df ,'sad df wants other_data'

---

这是一个有点类似的问题，以不同的方式完成：感谢看起来很花哨。1.像普通一样连接2.为我的持续时间添加字段\u ns 3.按连接键和持续时间[降序]对结果DF排序（将查看该顺序）4.使用shift键创建一个新的布尔字段（1）比较当前记录以查看下一个记录的持续时间较短，但键相同。（也需要考虑一下这个想法）5.选择我的新布尔字段显示其键最低的所有记录。听起来我对这个建议有把握吗？如果我的帖子成功了，我会更新它。你也可能会发现其中一些食谱很有用：，例如，你可能实际上需要看几个周期（而不仅仅是轮班时的1个周期），但你的想法看起来是对的