объединить две колонки с двумя разными допусками, pandas

Question

мой ввод:

df1=pd.DataFrame(
    {
        'A':['my ','fire','water','earth','monkey'],
        'B':[1,5,7,8,9],
        'C':[100,105,110,182,140]
                 })
print(df1)
        A  B    C
0     my   1  100
1    fire  5  105
2   water  7  110
3   earth  8  182
4  monkey  9  140

df2=pd.DataFrame(
    {
        'A':['drop','hold','push','pull','keep'],
        'B':[1,4,4,10,10],
        'C':[103,102,133,124,142]
                 })
print(df2)
      A   B    C
0  drop   1  103
1  hold   4  102
2  push   4  133
3  pull  10  124
4  keep  10  142

Я хочу объединить эти два df (df1 & df2), используя pd.merge_asof() или любым другим способом

Я могу объединить эти два столбца, используя один допуск по: df= pd.merge_asof(df1,df2,on='B',direction='nearest',tolerance=2)

, но мне нужно использовать два допуска Dirrefent для столбца B и C, используя: B_tol = 2, C_tol = 4

Ожидаемый результат:

     A_x  B_x C_x   A_y  B_y    C_y  
0     my   1  100   drop   1    103 
1    fire  5  105   hold   4    102
2  monkey  9  140   keep  10    142

Ожидаемый вывод будет иметь только один столбец B и C, когда я буду использовать слияние на этих столбцах, этот вывод показывает только пример того, как он должен работать

Answer 1

мы можем обсудить это решение? я не хочу вставлять его в комментарии

df1=pd.DataFrame(
    {
        'A':['my ','fire','water','earth','monkey'],
        'B':[1,5,7,8,9],
        'C':[100,105,110,182,140]
                 })

df2=pd.DataFrame(
    {
        'A':['drop','hold','push','pull','keep'],
        'B':[1,4,4,10,10],
        'C':[103,102,133,124,142]
                 })

df_1 = pd.merge_asof(df1,df2,on='B',direction='nearest',tolerance=2)
df_2 = pd.merge_asof(df1.sort_values(by='C'),df2.sort_values(by='C'),on='C',direction='nearest',tolerance=4)
df_3 = pd.merge_asof(df2,df1,on='B',direction='nearest',tolerance=2)
df_4 = pd.merge_asof(df2.sort_values(by='C'),df1.sort_values(by='C'),on='C',direction='nearest',tolerance=4)
# df= pd.merge_asof(df3.sort_values(by='C_x'),df4.sort_values(by='C'),left_on='C_x',right_on='C',direction='nearest',tolerance=4).dropna()
df_12 = pd.merge(df_1,df_2,on='A_x').dropna()
df_34 = pd.merge(df_3,df_4,on='A_x').dropna()

print(df_12)
      A_x  B  C_x A_y_x    C_y  B_x    C A_y_y   B_y
0     my   1  100  drop  103.0    1  100  hold   4.0
1    fire  5  105  push  133.0    5  105  drop   1.0
4  monkey  9  140  pull  124.0    9  140  keep  10.0
print(df_34)
    A_x   B  C_x   A_y_x  C_y  B_x    C   A_y_y  B_y
0  drop   1  103     my   100    1  103    fire  5.0
1  hold   4  102    fire  105    4  102     my   1.0
4  keep  10  142  monkey  140   10  142  monkey  9.0
df = pd.merge(df_12,df_34,left_index=True,right_index=True)
print(df[['A_x_x','A_x_y']])
    A_x_x A_x_y
0     my   drop
1    fire  hold
4  monkey  keep