pandas 假设你有两张表格，一张叫做df1，另一张叫df2，都包含姓名（Name）和时间戳（Timestamp）字段，需要对df1和df2按进行姓名和时间戳进行匹配，df1时间戳匹配的时候按前后范围15天寻找df2的时间戳

在Pandas中，你可以使用`merge`函数结合`rolling`窗口来实现这种跨表数据的匹配，假设你需要找到df1中的每个姓名在最近15天内的df2记录。以下是步骤：

1. 首先，确保两个DataFrame的索引（Timestamp列）都是日期类型，并且已经排序过。

df1.set_index('Timestamp', inplace=True)
df2.set_index('Timestamp', inplace=True)

2. 对于df1，创建一个滚动窗口（rolling window），比如16天（包括当前天），这样可以获取到每个名字在过去的15天内的所有数据。

window = df1['Timestamp'].rolling(window=16).min()
window_df = df1.join(window.rename('last_date_in_window'))

这里的`last_date_in_window`列包含了每个姓名在最近15天内时间戳的最小值。

3. 现在可以在df1上做一次左连接（left merge），查找df2中在这15天范围内有对应时间戳的数据。

merged = pd.merge_asof(df1, df2, left_on='Timestamp', right_index=True, tolerance=pd.Timedelta(days=15))

`tolerance`参数设置为15天，表示允许df2的时间戳在df1指定的过去15天内。

4. 结果`merged`将是一个新的DataFrame，其中包含了df1的所有行和df2在这15天范围内的匹配记录。