Question

假设我有以下数据。

我要标记彼此之间180个工作日内的所有条目。

1    2009-01-16
2    2010-01-22
3    2010-02-26
4    2010-06-18
5    2013-09-11
Name: date, dtype: datetime64[ns]

在正常的天内，我已经可以通过一些diff的移位和布尔逻辑来做到这一点，但对于商务场合则不能，如下所示：

def check_dates(l):
    OVERLAP_DT = 180  # edited
    diff0 = l.diff(periods=-1).fillna(pd.Timedelta('528491 hours'))  # filler for some number greater than 180 days for NAs
    diff1 = l.diff(periods=1).fillna(pd.Timedelta('528491 hours'))
    return ((np.abs(diff0.dt.days) > OVERLAP_DT) & (np.abs(diff1.dt.days) > OVERLAP_DT)).astype(int)

以上内容输出以下内容，其中1为“好，继续”，并且在几天内正确。但是，我不确定如何在工作日内完成这项工作。

1    1
2    0
3    0
4    0
5    1
Name: Announcement_Date, dtype: int32

编辑：将索引从原始副本更改为1, 2, 3, ...，因为这很令人困惑。

Answer 1

也许您可以尝试以下方法：

'1/1/2018' in pd.bdate_range(start = '1/1/2018', periods = 180)

Answer 2

我相信您正在寻找：

df.Date > df.Date.shift() + pd.tseries.offsets.BDay(180)

下面的输出比您的输出更有意义，即179和955的日期不在前一天规定的180 bday窗口之内。

19     False
179     True
194    False
261    False
955     True
Name: Date, dtype: bool

或者，如果您想标记第19天和261天：

df.Date < df.Date.shift(-1) - pd.tseries.offsets.BDay(180)

并输出：

19      True
179    False
194    False
261     True
955    False
Name: Date, dtype: bool

如果在彼此的180个工作日内标记元素，则

2 个答案: