Skip to main content
 首页 » 编程设计

python之基于开始和结束日期 Pandas 的复杂合并

2024年10月24日13hnrainll

假设我有下表

import pandas as pd, datetime 
 
table = [[datetime.datetime(2015, 1, 1), 1], 
         [datetime.datetime(2015, 1, 27), 1], 
         [datetime.datetime(2015, 1, 31), 1], 
         [datetime.datetime(2015, 2, 1), 1], 
         [datetime.datetime(2015, 2, 3), 1], 
         [datetime.datetime(2015, 2, 15), 1], 
         [datetime.datetime(2015, 2, 28), 1], 
         [datetime.datetime(2015, 3, 1), 1], 
         [datetime.datetime(2015, 3, 17), 1], 
         [datetime.datetime(2015, 3, 28), 1], 
         [datetime.datetime(2015, 4, 12), 1], 
         [datetime.datetime(2015, 4, 28), 1]] 
 
df1 = pd.DataFrame(table, columns=['Date', 'Id']) 
df2 = df1.copy() 
df2['Id'] = 2 
df = df1.append(df2) 
 
table2 = [[1, datetime.datetime(1900, 1, 1), datetime.datetime(2015, 2, 28), 2, 20], 
          [1, datetime.datetime(2015, 3, 1), datetime.datetime(3000, 1, 1), 4, 25], 
          [2, datetime.datetime(1900, 1, 1), datetime.datetime(3000, 1, 1), 2, 20]] 
 
df3 = pd.DataFrame(table2, columns=['Id', 'Start', 'End', 'Fix', 'Performance']) 

编辑 在 df3 中,表格根据 Id 分组。 IE。前两行对 Id = 1 有效,最后两行对 Id = 2 有效。

我现在的问题是;有没有一种方法可以将 Fix 和 Performance 作为列附加到 df 以便各个列的元素位于 所在的行上Start 和 End 是否有效,由 Date 确定?这意味着我的 table 看起来像

         Date  Id  Fix  Performance 
0  2015-01-01   1   2       20    
1  2015-01-27   1   2       20 
2  2015-01-31   1   2       20 
3  2015-02-01   1   2       20 
4  2015-02-03   1   2       20 
5  2015-02-15   1   2       20 
6  2015-02-28   1   2       20 
7  2015-03-01   1   4       25 
8  2015-03-17   1   4       25 
9  2015-03-28   1   4       25 
10 2015-04-12   1   4       25 
11 2015-04-28   1   4       25 
0  2015-01-01   2   2       20 
1  2015-01-27   2   2       20 
2  2015-01-31   2   2       20 
3  2015-02-01   2   2       20 
4  2015-02-03   2   2       20 
5  2015-02-15   2   2       20 
6  2015-02-28   2   2       20 
7  2015-03-01   2   2       20 
8  2015-03-17   2   2       20 
9  2015-03-28   2   2       20 
10 2015-04-12   2   2       20 
11 2015-04-28   2   2       20 

谢谢,丁吉斯

请您参考如下方法:

这是一种方法,您可以逐行应用一个函数来生成两个想要的列:

import pandas as pd 
import numpy as np 
 
def search(x): 
    df_  = df3[df3.Id==x['Id']] 
    mask = np.logical_and(df_.Start<=x['Date'], df_.End>=x['Date']) 
    return pd.Series([df_.loc[mask].Fix.tolist()[0], df_.loc[mask].Performance.tolist()[0]]) 
 
df[['Fix','Performance']] = df.apply(search, axis=1) 
 
In [423]: df 
Out[423]: 
         Date  Id  Fix  Performance 
0  2015-01-01   1    2           20 
1  2015-01-27   1    2           20 
2  2015-01-31   1    2           20 
3  2015-02-01   1    2           20 
4  2015-02-03   1    2           20 
5  2015-02-15   1    2           20 
6  2015-02-28   1    2           20 
7  2015-03-01   1    4           25 
8  2015-03-17   1    4           25 
9  2015-03-28   1    4           25 
10 2015-04-12   1    4           25 
11 2015-04-28   1    4           25 
0  2015-01-01   2    2           20 
1  2015-01-27   2    2           20 
2  2015-01-31   2    2           20 
3  2015-02-01   2    2           20 
4  2015-02-03   2    2           20 
5  2015-02-15   2    2           20 
6  2015-02-28   2    2           20 
7  2015-03-01   2    2           20 
8  2015-03-17   2    2           20 
9  2015-03-28   2    2           20 
10 2015-04-12   2    2           20 
11 2015-04-28   2    2           20