时间戳

首页 > 解决方案 > 如果另一个 Python pandas 数据框中的两个日期之间的日期，则更新列

python - 如果另一个 Python pandas 数据框中的两个日期之间的日期，则更新列

问题描述

这是我的 2 个数据框：df1

eid start_dt   end_dt     flag
1   2020-12-01 2020-12-07 0
1   2020-12-08 2020-12-15 0
1   2020-12-16 2020-12-23 1
2   2020-12-01 2020-12-07 0

df2

eid event_dt   col1 col2
1   2020-12-01 .    .
1   2020-12-09 .    .
1   2020-12-17 .    .
2   2020-12-02 .    .

输出df。

- If in df1 and df2,  the eids match AND event_dt is between start_dt,end_dt
 -- add a new column 
 -- update the flag

输出数据帧 df 看起来像这样

eid event_dt   col1 col2 flag
1   2020-12-01 .    .    0
1   2020-12-09 .    .    0
1   2020-12-17 .    .    1
2   2020-12-02 .    .    0

我该怎么做呢？

标签： pythonpandas

解决方案

尝试merge并query：

df2['flag'] = (df1.assign(idx=df1.index)
    .merge(df2, on='eid', how='left')
    .query('start_dt <= event_dt <= end_dt')
    .set_index('idx')
    ['flag']
)

输出：

   eid    event_dt col1 col2  flag
0    1  2020-12-01    .    .     0
1    1  2020-12-09    .    .     0
2    1  2020-12-17    .    .     1
3    2  2020-12-02    .    .     0

更新：对于更大的数据集，上述方法可能会产生一个MemoryError. 改用pd.merge_asof：

df2['flag'] = (pd.merge_asof(df2.sort_values('event_dt'),
                             df1.assign(idx=df1.index).sort_values('end_dt'),
                             by='eid', left_on='event_dt',
                             right_on='start_dt')
               .query('event_dt<=end_dt')
               .set_index('idx')
               ['flag']
               )

推荐阅读