根据小时、工作日、周末和节假日从日期时间设置截止日期

Question

对于下面的日期时间数据，我想根据以下标准设置相对于“日期”的截止日期：

如果“日期”是在节假日或周末，则截止日期应为下一个工作日的 17:00。

如果“日期”是周一至周五，而不是节假日，并且“日期”的时间在 0-8 之间，则截止日期应为同一工作日的 17:00 小时

如果“日期”是周一至周五，而不是节假日，并且“日期”的时间在 9-17 之间，那么截止日期应该是下一个非节假日的工作日。

如果“日期”是周一至周五，而不是节假日，并且“日期”的时间在 18-23 之间，则截止日期应为下一个非节假日工作日 17:00

以下是数据：

import datetime

Holidays = [date(2018,1,1),date(2018,1,15),date(2018,2,19),date(2018,3,9)]

df = pd.DataFrame({'Date': ['2018-01-01 18:47','2018-01-08 06:11','2018-01-12 10:05','2018-02-10 09:22','2018-02-20 14:14','2018-03-08 16:17','2018-03-25 17:35'],
                   'Weekday': [0,0,4,5,1,3,6],
                   'Hour': [18,6,10,9,14,16,17]})

df['Date'] = pd.to_datetime(df['Date'])

结果应该如下：

df = pd.DataFrame({'Date': ['2018-01-01 18:47','2018-01-08 06:11','2018-01-12 10:05','2018-02-10 09:22','2018-02-21 14:14','2018-03-08 16:17','2018-03-25 17:35'],
               'Deadline': ['2018-01-02 17:00','2018-01-08 17:00','2018-01-16 10:05','2018-02-12 17:00','2018-02-22 14:14','2018-03-12 16:17','2018-03-26 17:00']})

Answer 1

一一写下你的情况，然后我们用np.select

from pandas.tseries.offsets import *

df.loc[df.Date.isin(Holidays),'WeekDay']=5#here I assign the holiday week to 5 in case we can consider the weekends and holiday in the same .

---

#make the conditions
con0=df.Weekday.isin([5,6]).values
con1=(df.Weekday.between(0,4)&df.Date.dt.hour.between(0,8)).values
con2=(df.Weekday.between(0,4)&df.Date.dt.hour.between(9,17)).values
con3=(df.Weekday.between(0,4)&df.Date.dt.hour.between(18,23)).values

---

# value to select 
s=(df['Date'] + BDay())
s=pd.Series(np.where(s.dt.date.isin(Holidays),s+BDay(),s))# create your own bdays
r0=s.apply(lambda x : x.replace(hour=17,minute =0,second =0)).values
r1=df['Date'].apply(lambda x : x.replace(hour=17,minute =0,second =0)).values
r2=(s).values
r3=r0

---

# using np.select get the output 
np.select([con0,con1,con2,con3],[r0,r1,r2,r3],default=np.datetime64('2005-02-25'))
Out[635]: 
array(['2018-01-02T17:00:00.000000000', '2018-01-08T17:00:00.000000000',
       '2018-01-16T10:05:00.000000000', '2018-02-12T17:00:00.000000000',
       '2018-02-21T14:14:00.000000000', '2018-03-12T16:17:00.000000000',
       '2018-03-26T17:00:00.000000000'], dtype='datetime64[ns]')