Python 使用'；日期时间'；索引，如果日期介于当前索引和上一个索引之间

我有两个数据帧

stockData

和

EPSdata

，如下所示。

stockData

将

            Close 
Date
2018-12-31  157.066376
2018-09-30  223.994431
2018-06-30  183.036682
2018-03-31  165.263504
2017-12-31  166.014908
2017-09-30  150.650375
2017-06-30  140.227097
2017-03-31  139.301605
2016-12-31  111.821404
2016-09-30  108.589523
2016-06-30  91.333252
2016-03-31  103.495514
2015-12-31  99.414101
2015-09-30  103.730179
......

           Surprise_perc
Date
2018-11-01          4.30
2018-07-31          7.83
2018-05-01          1.49
2018-02-01          1.83
2017-11-02         10.70
2017-08-01          6.37
2017-05-02          3.96
2017-01-31          4.35
2016-10-25          0.60
2016-07-26          2.16
.......

和

EPSData

将

            Close 
Date
2018-12-31  157.066376
2018-09-30  223.994431
2018-06-30  183.036682
2018-03-31  165.263504
2017-12-31  166.014908
2017-09-30  150.650375
2017-06-30  140.227097
2017-03-31  139.301605
2016-12-31  111.821404
2016-09-30  108.589523
2016-06-30  91.333252
2016-03-31  103.495514
2015-12-31  99.414101
2015-09-30  103.730179
......

           Surprise_perc
Date
2018-11-01          4.30
2018-07-31          7.83
2018-05-01          1.49
2018-02-01          1.83
2017-11-02         10.70
2017-08-01          6.37
2017-05-02          3.96
2017-01-31          4.35
2016-10-25          0.60
2016-07-26          2.16
.......

如何组合这两个数据帧？

EPSData

中的第一个数据点“

2018-11-01 4.30

”应添加到

stockData

中的Q4中，即数据点“

2018-12-31 157.066376

”
输出应该如下所示

            Close       Surprise_perc
Date
2018-12-31  157.066376  4.30
2018-09-30  223.994431  7.83
2018-06-30  183.036682  1.49
2018-03-31  165.263504  1.83
2017-12-31  166.014908  10.70
2017-09-30  150.650375  6.37
2017-06-30  140.227097  3.96
2017-03-31  139.301605  4.35
2016-12-31  111.821404  0.60
2016-09-30  108.589523  2.16
.....

此处，两个数据帧都按日期编制索引。

用于：

---

@Shijith-有可能用这个新问题创建新问题吗？@Shijith-但有一个想法是使用一点hack-

EPSData=EPSData.fillna（'tmp'）

，apply solution and last

df=df.repalce（'tmp'，np.nan）

非常感谢您的快速响应并介绍我合并。这对我来说对大多数股票都很有效。但我有一些股票的“EPSData”数据在某些季度缺失。因此，我做了一个小小的更改，并为tolerence（60天）添加了一个新参数，

tolerance=pd.Timedelta（'60d'）

。编辑的代码是：

df=pd.merge\u asof（a.sort\u index（），EPS.sort\u index（），left\u index=True，right\u index=True，tolerance=pd.Timedelta（'60d'）。sort\u index（升序=False）

。再次感谢您的帮助。@jezrael，也没有“NaN”值，数据类似于Q1和Q4，中间没有列。也许我必须找到一个更好的数据源。谢谢。

tolerance=pd.Timedelta（'90d'）

适用于所有股票，60的问题是一些公司会在一个月内报告每股收益。