Question

如果日期介于另一个数据框中的两个日期之间，创建新列并分配值的最佳方法是什么？

e.g。

dataframe A    
date          values
2017-05-16      x  
2017-04-12      Y


dataframe B    #df contains dates to use to filter and associated id

start            end           id
2017-05-08     2017-05-18      34
2017-04-24     2017-05-08      33
2017-04-03     2017-04-24      32

期望的结果

dataframe A     
date          values    id
2017-05-16      x       34 
2017-04-12      Y       32

我已经查看了pd.cut，它似乎对我想要的东西不起作用，并且编写一个循环来迭代多个条件的数据帧似乎效率低下。

Answer 1

使用IntervalIndex，这是Pandas 0.20.0中的新功能。这看起来仍处于试验阶段，因此其他解决方案可能更可靠。

# Get the 'id' column indexed by the 'start'/'end' intervals.
s = pd.Series(df_b['id'].values, pd.IntervalIndex.from_arrays(df_b['start'], df_b['end']))

# Map based on the date of df_a.
df_a['id'] = df_a['date'].map(s)

结果输出：

        date values  id
0 2017-05-16      x  34
1 2017-04-12      Y  32

或者，如果您不介意更改df_b的索引，您可以直接转换为IntervalIndex：

# Create an IntervalIndex on df_b.
df_b = df_b.set_index(['start', 'end'])
df_b.index = pd.IntervalIndex.from_tuples(df_b.index)

# Map based on the date of df_a.
df_a['id'] = df_a['date'].map(df_b['id'])

Answer 2

这是一个在sql的一个步骤中非常简单的事情的例子，但在Pandas中却没有那么多。因此，条件是我不喜欢这种方法，这就是它。

进行完整的笛卡尔加入
过滤到所需的行＆amp;列。

_

# First Full Outer Join Dataframes 
# (Requires a Common Column in Pandas Unlike SQL)
df_A['fake key'] = 1
df_B['fake key'] = 1
outer_join = pd.merge(df_A, df_B, how='outer', on='fake key')

# Now Filter Back down to Desired Rows/Columns
desired_rows    = outer_join.query('date < end and date > start')
desired_columns = ['date', 'values', 'id']

final = desired_rows[desired_columns]
final

输出：

        date values  id
0 2017-05-16      x  34
5 2017-04-12      y  32

让这个答案有些不满意的事情是：

完整笛卡尔联合的第一步并不能很好地扩展到大数据
笛卡尔联接需要一个公共列，因此在这种情况下，首先要创建假密钥列（请参阅this github issue

python为pandas df分配值，如果在另一个df中的日期范围之间

2 个答案: