如何在给定的截止日期之后从数据框中选择最早的日期？

Question

我有三个数据框，一个包含截止日期，一个包含交货日期，第三个包含订单

import pandas as pd
cutoff = pd.DataFrame({'State': ['New Jersey','Idaho','Hawaii','Oklahoma'], 
         'January': ['2022-01-10','2022-01-17','2022-01-11','2022-01-15'],
         'February': ['2022-02-15','2022-02-17','2022-02-11','2022-02-15'],
         'March': ['2022-03-15','2022-04-17','2022-03-11','2022-03-15'],
         'April': ['2022-04-15','2022-04-17','2022-04-11','2022-04-15'],
         'May': ['2022-05-15','2022-05-17','2022-05-11','2022-05-15'],
         'June': ['2022-06-15','2022-06-17','2022-06-11','2022-06-15'],
         'July': ['2022-07-15','2022-07-17','2022-07-11','2022-07-15'],
         'August': ['2022-08-15','2022-08-17','2022-08-11','2022-08-15'],
         'September': ['2022-09-15','2022-09-17','2022-09-11','2022-09-15'],
         'October': ['2022-10-15','2022-10-17','2022-10-11','2022-10-15'],
         'November': ['2022-11-15','2022-11-17','2022-11-11','2022-11-11'],
         'December': ['2022-12-15','2022-12-17','2022-12-11','2022-12-15']})

deliverydates = pd.DataFrame({'State': ['New Jersey','Idaho','Hawaii','Oklahoma'], 
         'January': ['2022-01-31','2022-01-30','2022-01-29','2022-01-31'],
         'February': ['2022-02-28','2022-02-27','2022-02-28','2022-02-28'],
         'March': ['2022-03-31','2022-04-30','2022-03-29','2022-03-31'],
         'April': ['2022-04-30','2022-04-30','2022-04-29','2022-04-30'],
         'May': ['2022-05-31','2022-05-30','2022-05-29','2022-05-31'],
         'June': ['2022-06-30','2022-06-30','2022-06-29','2022-06-30'],
         'July': ['2022-07-31','2022-07-30','2022-07-29','2022-07-31'],
         'August': ['2022-08-31','2022-08-30','2022-08-29','2022-08-31'],
         'September': ['2022-09-30','2022-09-30','2022-09-29','2022-09-30'],
         'October': ['2022-10-31','2022-10-30','2022-10-29','2022-10-31'],
         'November': ['2022-11-30','2022-11-30','2022-11-29','2022-11-11'],
         'December': ['2022-12-31','2022-12-30','2022-12-11','2022-12-31']})

orders =  pd.DataFrame({'Person': ['Lee','Smith','Johnson','Garcia'], 
         'State': ['New Jersey','Idaho','Hawaii','Oklahoma']})

我需要创建一个测试，将今天的日期与截止日期进行比较，并为每个订单分配下一个可能的交货日期。例如，今天是 1 月 12 日。史密斯在爱达荷州。 1 月 12 日早于爱达荷州的 1 月截止日期（1 月 15 日），因此他的交货日期是 2022 年 1 月 30 日。

然而，李在新泽西。今天 (1/12) 在 1 月截止日期 (1/10) 之后，因此他的交货日期现在是下一个最早交货日期 (2/28)。

我们的目标是将正确的交货日期合并到订单数据框中，以获得如下结果：

Person	State	Delivery Date
Lee	New Jersey	2022-02-28
Smith	Idaho	2022-01-30
Johnson	Hawaii	2022-02-28
Garcia	Oklahoma	2022-01-31

如果今天是 2 月 12 日，则需要选择下一个可能的交货日期，依此类推。

关于如何做到这一点的任何想法？谢谢！

Answer 1

建议的解决方案如下。它使用按“状态”分组来获取组中的下一个项目，在过滤系列后使用grouped.first() 以仅允许满足测试条件的日期（在今天之后）

import datetime
today = datetime.datetime.today().strftime('%Y-%m-%d')


def fill_orders(test_date, orders_df, cutoff_df, deliverydates_df):
 # Get a flat file of cutoff dates
 cutoffs_series = cutoff_df.set_index('State').stack()

 # Get next date after test_date
 next_cutoff = cutoffs_series[cutoffs_series > test_date].groupby(by='State').first()
 next_cutoff.name='nextcutoff'

 # Get flat delivery dates
 flat_delivery_dates = deliverydates_df.set_index('State').stack().to_frame('deliverydate')

 # Join next cutoff date
 joined = flat_delivery_dates.join(next_cutoff)

 # Get next delivery date after next cutoff
 next_delivery = joined.loc[joined['nextcutoff'] <= joined['deliverydate'], :].groupby(by=['State']).first()['deliverydate']

 # Join to orders
 return orders_df.merge(next_delivery, left_on='State', right_index=True)

fill_orders(today, orders, cutoff, deliverydates)