我有一个熊猫数据帧，看起来像这样：
product month
apple Jan-18
pear Jan-18
banana Jan-18
apple Jan-18
pear Feb-18
apple Feb-18
banana Feb-18
我创建了自己的参考表，如下所示：
id product start end weight
1 apple 01/01/2011 31/01/2018 heavy
1 apple 01/02/2018 31/12/2020 small
2 banana 01/01/2015 31/01/2018 heavy
2 banana 01/02/2018 31/12/2020 small
3 pear 01/01/2016 31/12/2020 heavy
参考表始终从该月的第一天和最后几天开始。"权重"字段随着时间的推移而缓慢变化。例如，苹果和香蕉随着时间的推移而变化。日期 31/12/2020 表示此维度当前是商品的有效维度。
我需要根据时间戳将参考表中的"权重"与产品上的数据帧合并。我需要得到这个：
product month weight
apple Jan-18 heavy
pear Jan-18 heavy
banana Jan-18 heavy
apple Jan-18 heavy
pear Feb-18 heavy
apple Feb-18 small
banana Feb-18 small
我的困难在于我不知道从哪里开始。我的数据帧和引用表中的日期字段是 datetime64[ns]
在 ref_df 中创建一个新列，其结构与 ref_df 的月份列相似
合并新创建的列上的两个数据帧
def month_conversion(x):
month_list = ['Jan','Feb','Mar','Apr','May','June','July','Aug','Sep','Oct','Nov','Dec']
return month_list[int(x.month)-1]
ref_df['year'] = ref_df['start'].head().map(lambda x: str(x.year)[-2:])
ref_df['month'] = ref_df.loc[0:5,'start'].map(month_conversion)
ref_df['common_key'] = ref_df['month'] +'-' +ref_df['year']
my_df['month'] = my_df['month'].astype(str)
final_df = ref_df.merge(my_df,left_on=['common_key','product'],right_index=['month','product'],suffixes=('_merge',''))