Python 在日期时间条件下合并两个网球数据集

我一直在寻找我的问题的答案很长一段时间，在文档中查找，但还没有找到任何合适的答案

我试图合并两个数据集：第一个是2000-2015年网球比赛的重要统计数据，第二个是2001-2016年网球比赛的赔率和一些一般统计数据

关键的困难是：

相似比赛的名称在数据集中通常不相等，因此不可能使用它们来合并数据集

在具有重要统计信息的数据集中，只有锦标赛开始日期，而在另一个数据集中，则有每场比赛的日期。因此，一般来说，日期平等是行不通的

下面可以看到带有一些列的数据集。第一个数据集包含关于比赛的重要统计数据，第二个数据集包含赔率和一般信息

matches[['Winner', 'Loser', 'Tournament Start Date']].head()

         Winner       Loser        Tournament Start Date
     0 Dupuis A.       Ilie A.       2000-05-01
     1 Gonzalez F.     Mamiit C.     2000-05-01
     2 Srichaphan P.   Lareau S.     2000-05-01
     3 Siemerink J.    Gimelstob J.  2000-05-01
     4 Stoltenberg J.  Moron A.      2000-05-01


all_bets[['Winner', 'Loser', 'Date']].head()

          Winner        Loser       Date of Match
     0  Clement A.    Gaudenzi A.    2001-01-01 
     1  Goldstein P.  Jones A.       2001-01-01 
     2  Haas T.       Smith L.       2001-01-01 
     3  Henman T.     Rusedski G.    2001-01-01 
     4  Hewitt L.     Arthurs W.     2001-01-01

对我来说，准确合并数据集的最佳方法是在3个条件下*：列“赢家”、“输家”和。。。比赛日期和锦标赛开始日期之间的差异不超过14天，因为：

两名球员在一次比赛中只能相互比赛一次

每届锦标赛每年只举行一次

没有持续时间超过14天的比赛 使用“赢家”和“输家”条件是显而易见的：

matches_bets = pd.merge(matches, all_bets, on=["Winner", "Loser"], how="inner")

然而，我不明白如何应用日期的不平等条件来合并数据集

在完成这项任务时，如有任何帮助，我将不胜感激

---

*合并数据集时使用其他列当然不是更好的选择，这就是为什么在这里看不到它们的原因。

首先，将带有日期的列转换为datetime

matches['Tournament Start Date'] = pd.to_datetime(matches['Tournament Start Date'], format='%Y-%m-%d')
all_bets['Date of Match'] = pd.to_datetime(all_bets['Date of Match'], format='%Y-%m-%d')

然后你应该像以前一样合并

matches_bets = pd.merge(matches, all_bets, on=["Winner", "Loser"], how="inner")

然后通过额外的列['date_difference']应用您的条件

matches_bets['date_difference'] = matches_bets['Date of Match'] - matches_bets['Tournament Start Date']
matches_bets['KEEP_IN_PLACE'] = matches_bets['date_difference'].apply(lambda x: 1 if x.days <= 14 else 0)
matches_bets = matches_bets[matches_bets['KEEP_IN_PLACE'] == 1]

matches_bets['date_difference']=matches_bets['date of Match']-matches_bets['protocol date']
匹配下注['KEEP_IN_PLACE']=匹配下注['date_difference']。应用（lambda x:1如果x.days如果我理解正确，我认为您可以使用“赢家”和“输家”上的合并来做您正在做的事情“，那么您只需要删除那些日期大于另一个数据框日期14天的记录。您将留下的是那些满足三个条件的记录。您看过了吗？