如果在日期之间比较 2 个数据框以添加行答案

【问题标题】：Comparing 2 dataframes to add rows if between dates如果在日期之间比较 2 个数据框以添加行
【发布时间】：2021-07-02 13:02:43
【问题描述】：

这里是全新的，我尝试查找我的问题，但找不到任何类似的东西！

我正在尝试设置一个数据框，其中包含时间表及其活动类型的数据。例如，如果它是“1”，则表示正常活动，如果是“2”，则取消，并将该数据帧与另一个数据帧进行比较，以查看第一个数据帧中的开始/结束日期之间是否存在日期，如果有, 对其进行修改，使其变为 3 行而不是 1 行，第一个开始/结束日期行直到该假期，假期日期行，然后开始/结束日期在假期之后继续。

我在创建单个数据框时没有问题，但是当我想比较另一个系列/数据框并可能添加可能位于所述 StartDate 和 EndDate 之间的行时，我的问题就出现了。

示例调度数据帧

Start Date	End Date	Activity Type
2021-01-01	2021-12-31	1

与其他数据框相比

Holiday Start Date	Holiday End Date
2021-02-14	2021-02-14
2021-07-04	2021-07-05

结局是这样的：

Start Date	End Date	Activity Type
2021-01-01	2021-02-13	1
2021-02-14	2021-02-14	2
2021-02-15	2021-07-03	1
2021-07-04	2021-07-04	2
2021-07-05	2021-12-31	1

感谢任何帮助！

谢谢，S。

【问题讨论】：

Activity Type == 2是什么意思？您的 Schedule 数据框 不包含 Activity Type == 2，所以它实际上可能意味着“Activity Type == 2 在假期期间”？
活动类型 2 意味着那一天是关闭的，所以是的，在假期期间它会是类型 2。

标签： python pandas date for-loop python-holidays

【解决方案1】：

为了展示一个更有启发性的例子，我创建了 Schedule 来包含多行：

  Start Date   End Date  Activity Type
0 2021-01-01 2021-05-31             10
1 2021-06-01 2021-12-31             20

我将假期创建为：

  Holiday Start Date Holiday End Date
0         2021-02-14       2021-02-14
1         2021-03-10       2021-03-12
2         2021-07-04       2021-07-06

所有日期列都是 datetime64 类型。

准备步骤是从假期创建一个IntervalIndex：

ind = pd.IntervalIndex.from_arrays(Holidays['Holiday Start Date'],
    Holidays['Holiday End Date'], closed='both')

要从单行获取结果，请创建以下函数：

def getActivities(row):
    dd = pd.date_range(row['Start Date'], row['End Date'])
    ss = dd.to_series().apply(lambda dat: ind.contains(dat).any())
    s1 = ss[ss != ss.shift()]
    s2 = ss[ss != ss.shift(-1)]
    s1 = s1.astype(int) + row['Activity Type']
    rv = s1.astype(int).reset_index().rename(columns={'index': 'Start Date',
        0: 'Activity Type'})
    rv.insert(1, 'End Date', s2.index)
    return rv

要测试这个函数，你可以在一行上调用它，比如初始行：

getActivities(Schedule.iloc[0])

要完全了解所有详细信息，请在下面保存一行 Schedule 一个变量：

row = Schedule.iloc[0]

然后执行getActivities中的每条指令，查看中间结果。

要获得 all 行的预期结果，您必须连接将此函数应用于每一行的结果：

pd.concat(Schedule.apply(getActivities, axis=1).values, ignore_index=True)

对于我的测试数据，结果是：

  Start Date   End Date  Activity Type
0 2021-01-01 2021-02-13             10
1 2021-02-14 2021-02-14             11
2 2021-02-15 2021-03-09             10
3 2021-03-10 2021-03-12             11
4 2021-03-13 2021-05-31             10
5 2021-06-01 2021-07-03             20
6 2021-07-04 2021-07-06             21
7 2021-07-07 2021-12-31             20

前 5 行来自 Schedule 的第 0 行，有 2 个假期。最后 3 行来自第 1 行，有 1 个假期。

请注意，活动类型是原始值（对于“正常”期间）或原始值 + 1（节假日），所以 Schedule 不应该包含连续值作为活动类型。

【讨论】：