Python：创建一个新的数据框列并写入与日期时间间隔对应的索引

Question

我有以下数据框：

 date_time             value     member
2013-10-09 09:00:00  664639  Jerome
2013-10-09 09:05:00  197290  Hence
2013-10-09 09:10:00  470186  Ann
2013-10-09 09:15:00  181314  Mikka
2013-10-09 09:20:00  969427  Cristy
2013-10-09 09:25:00  261473  James
2013-10-09 09:30:00  003698  Oliver

第二个数据框我有这样的界限：

   date_start            date_end
2013-10-09 09:19:00         2013-10-09 09:25:00
2013-10-09 09:25:00         2013-10-09 09:40:00 

所以我需要创建一个新列，我将在其中写入两个日期时间点之间每个间隔的索引：

类似的东西：

date_time             value     member    session
2013-10-09 09:00:00  664639  Jerome        1
2013-10-09 09:05:00  197290  Hence         1
2013-10-09 09:10:00  470186  Ann            1
2013-10-09 09:15:00  181314  Mikka          2
2013-10-09 09:20:00  969427  Cristy         2
2013-10-09 09:25:00  261473  James          2
2013-10-09 09:30:00  003698  Oliver         2

以下代码创建'session' 列，但不会在'session' 列中写入会话索引（即bounds 数据帧中的行索引），因此不要按间隔分隔初始数据帧：

def create_interval():
    df['session']=''
    for index, row in bounds.iterrows():
        s = row['date_start']
        e = row['date_end']
        mask=(df['date'] > s) & (df['date'] < e)
        df.loc[mask]['session']='[index]'

    return df

更新

问题代码bounds['date_start'].searchsorted(df['date_time']) 没有给出我想要获得的结果，即每个区间都有一个索引值：df['Session'] = 1 表示第一个区间，=2 表示第二个区间，依此类推。列Session 旨在分离位于date_start 和date_end 之间的不同区间@ 987654333@ 我想如果 df['date_time'] 与 bounds['start_date'] 不同，它已经增加了session 的索引，这不正是我想要的

Answer 1

我假设您想要实际的索引位置（从零开始），您可以在“日期时间”列上调用 apply 并调用 np.searchsorted 以查找它在 bounds df 中所在位置的索引位置在：

In [266]:
df['Session'] = df['date_time'].apply(lambda x: np.searchsorted(bounds['date_start'], x)[0])
df

Out[266]:
            date_time   value  member  Session
0 2013-10-09 09:00:00  664639  Jerome        0
1 2013-10-09 09:05:00  197290   Hence        0
2 2013-10-09 09:10:00  470186     Ann        0
3 2013-10-09 09:15:00  181314   Mikka        0
4 2013-10-09 09:20:00  969427  Cristy        1
5 2013-10-09 09:25:00  261473   James        1
6 2013-10-09 09:30:00    3698  Oliver        2

编辑

@Jeff 指出 apply 在这里是不必要的，当然他是对的，这样会更快：

In [293]:
df['session'] = bounds['date_start'].searchsorted(df['date_time']) 
df

Out[293]:
            date_time   value  member  session
0 2013-10-09 09:00:00  664639  Jerome        0
1 2013-10-09 09:05:00  197290   Hence        0
2 2013-10-09 09:10:00  470186     Ann        0
3 2013-10-09 09:15:00  181314   Mikka        0
4 2013-10-09 09:20:00  969427  Cristy        1
5 2013-10-09 09:25:00  261473   James        1
6 2013-10-09 09:30:00    3698  Oliver        2