时间戳

首页 > 解决方案 > Pandas - 计算另一个日期之间的日期

python - Pandas - 计算另一个日期之间的日期

问题描述

我有一个数据集，其中每条记录都有 5 个日期值，然后是另一个日期变量。我想拉出 5 个日期中大于另一个变量的最小日期，或者拉出 5 个日期中较小的最大日期。例子：

date1 date2 date3 date4 date5 date_var result1 result2
jan1  feb1  apr1  sep1  dec1  mar1     apr1    feb1

因此，基本上目标是找出 date_var 介于两个日期中的哪一个（此处为 2 月至 4 月），然后拉出较小或较大的日期。如果重要的话，输入数据已经被清除，使得所有日期的 date1 < date2 < date3 < date4 < date5，尽管它们有可能是 na。

我的解决方案是这样的：

df.loc[df.date_var > date5,'result2'] = date5
df.loc[(df.date_var <= date5) & (df.date_var > date4),'result2'] = date4
df.loc[(df.date_var <= date4) & (df.date_var > date3),'result2'] = date3
...

但这很慢。是否有更快的方法来执行此操作，或者这只是会很慢？谢谢。

标签： pythonpandasdate

解决方案

这是我对这个问题的理解。

  • 我们有 5 个日期，使得 d1 < d2 < d3 < d4 < d5。
  • 我们也有一个目标日期。
  • 找到满足 d_i <= target < d_i+1 的 i
  • 结果1是d_i，结果2是d_i+1

这是我的方法：

from collections import namedtuple
import pandas as pd

# create sample data
Record = namedtuple('Record', 'd1 d2 d3 d4 d5 target')

df = pd.DataFrame([
    Record('2019-01-01', '2019-02-01', '2019-04-01', '2019-09-01', '2019-12-01', '2019-03-01'),
    Record('2020-01-01', '2020-02-01', '2020-04-01', '2020-09-01', '2020-12-01', '2020-03-01'),
])
df = df.astype('datetime64[D]')

# define function to find lower, upper bounding dates
def find_bound(s, target, metric='min'):
    assert isinstance(s, pd.Series)
    
    if metric == 'min':
        return s[s <= target].max()
    else:
        return s[s > target].min()

df['min'] = df.apply(lambda x: find_bound(x['d1':'d5'], x['target'], 'min'), axis=1)
df['max'] = df.apply(lambda x: find_bound(x['d1':'d5'], x['target'], 'max'), axis=1)

# verify that lower, upper bounds are correct
df['validate'] = (df['min'] <= df['target']) & (df['target'] < df['max'])
print(df.transpose())

                   0           1
d1        2019-01-01  2020-01-01
d2        2019-02-01  2020-02-01
d3        2019-04-01  2020-04-01
d4        2019-09-01  2020-09-01
d5        2019-12-01  2020-12-01
target    2019-03-01  2020-03-01
min       2019-02-01  2020-02-01 <- result 1
max       2019-04-01  2020-04-01 <- result 2
validate        True        True

推荐阅读