Python 如果某些列匹配，并且某些列不同，如何连接行

所以我有一个数据框，看起来像这样

time    event   nflId_WR    position_WR team_WR x,y_WR    
0   2018-09-07T01:07:18.099Z    pass_forward    2495454.0   WR  away    (80.69, 44.91)    
1   2018-09-07T01:07:18.099Z    pass_forward    2533040.0   WR  away    (82.65, 34.56)
2   2018-09-07T01:07:18.099Z    pass_forward    2552689.0   CB  home    (79.51, 20.0)
3   2018-09-07T01:07:18.099Z    pass_forward    2555383.0   CB  home    (76.53, 44.93)
4   2018-09-07T01:07:19.200Z    pass_arrived    2495454.0   WR  away    (81.11, 47.87)

我试图将“position”列不同的行带到“time”列相同而“event”相同的行

time    event_WR    nflId_WR    position_WR team_WR x,y_WR    nflId_CB    position_CB    team_CB    x,y_CB
0   2018-09-07T01:07:18.099Z    pass_forward    2495454.0   WR  away    (80.69, 44.91)    2552689.0   CB  home    (79.51, 20.0)
1   2018-09-07T01:07:18.099Z    pass_forward    2533040.0   WR  away    (82.65, 34.56)    2495454.0 WR  away    (81.11, 47.87)

类似这样（很抱歉，列标题没有对齐。不太确定如何在此处正确设置格式）

有没有关于如何做到这一点的建议

此外，如果您知道在进行叠加之前进行过滤的任何方法，以查看哪对CB和WR具有最接近的“y”点，以便它们配对在一起，那将是非常好的

我试图将“position”列不同的行带到“time”列相同而“event”相同的行

time    event_WR    nflId_WR    position_WR team_WR x,y_WR    nflId_CB    position_CB    team_CB    x,y_CB
0   2018-09-07T01:07:18.099Z    pass_forward    2495454.0   WR  away    (80.69, 44.91)    2552689.0   CB  home    (79.51, 20.0)
1   2018-09-07T01:07:18.099Z    pass_forward    2533040.0   WR  away    (82.65, 34.56)    2495454.0 WR  away    (81.11, 47.87)

您可以尝试以下方法：

merged = df.join(df, on=['time', 'event'], rsuffix='_other')
merged = merged[merged.position != merged.position_other]

---

这将首先在两列上合并，然后删除位置相同的行。

我已经做了这么久了，谢谢！你知道每个时间分组的一种方法吗？比较位置不同的y值，然后匹配y中最接近的球员。看一看？如果它没有回答，你能问一个新问题吗？

time    event_WR    nflId_WR    position_WR team_WR x,y_WR    nflId_CB    position_CB    team_CB    x,y_CB
0   2018-09-07T01:07:18.099Z    pass_forward    2495454.0   WR  away    (80.69, 44.91)    2552689.0   CB  home    (79.51, 20.0)
1   2018-09-07T01:07:18.099Z    pass_forward    2533040.0   WR  away    (82.65, 34.56)    2495454.0 WR  away    (81.11, 47.87)