我有一个熊猫数据框架 df1
与一个MultiIndex组成的 user_id
价值和a start_date
, end_date
IntervalIndex。我想从 df1
基于第二个数据帧中的相应数值的。df2
.
数据帧 df1
和 df2
看起来像这样。
In [1]: df1
Out [1]:
start_date end_date status score
user_id
A [2017-03-07, 2017-03-11] 2017-03-07 2017-03-11 S1 1000
[2017-03-12, 2017-04-03] 2017-03-12 2017-04-03 S2 1000
[2017-04-04, 2017-05-21] 2017-04-04 2017-05-21 S1 1000
[2017-05-22, 2222-12-31] 2017-05-22 2222-12-31 S3 1000
B [2018-12-01, 2018-12-22] 2018-12-01 2018-12-22 S1 900
[2018-12-23, 2018-12-28] 2018-12-23 2018-12-28 S2 900
[2018-12-29, 2222-12-31] 2018-12-29 2222-12-31 S1 1500
In [2]: df2
Out [2]:
user_id ref_date
0 A 2017-04-24
1 B 2018-12-25
我有兴趣选择 user_id
从 df1
也在 df2
和 df1
间隔,其中相应的 df2.ref_date
s位于其中。在这个例子中,我希望得到第三行和第六行。
如果我使用单行的 df2
我可以在 df1
通过运行下面的程序。
In [3]: df1.loc[['A']].index.get_level_values(1).get_indexer([pd.to_datetime('2017-04-24')])
Out [3]: array([2])
有没有办法用数组来一次完成索引?
这里是创建数据框的代码。
users = {'user_id': ['A','A','A','A', 'B','B','B'],
'start_date': ['2017-03-07', '2017-03-12', '2017-04-04', '2017-05-22', '2018-12-01', '2018-12-23', '2018-12-29'],
'end_date': ['2017-03-11', '2017-04-03', '2017-05-21', '2222-12-31', '2018-12-22', '2018-12-28', '2222-12-31'],
'status': ['S1', 'S2', 'S1', 'S3', 'S1', 'S2', 'S1'],
'score': [1000, 1000, 1000, 1000, 900, 900, 1500]
}
df1 = pd.DataFrame(users, columns = ['user_id', 'start_date', 'end_date', 'status', 'score'])
for col in ['start_date', 'end_date']:
df1[col] = pd.to_datetime(df1[col])
df1.set_index(['user_id', pd.IntervalIndex.from_arrays(df1['start_date'], df1['end_date'], closed='both')], drop=True, inplace=True)
df2 = pd.DataFrame({'user_id': ['A', 'B'],
'ref_date': ['2017-04-24', '2018-12-25']})
df2['ref_date'] = pd.to_datetime(df2['ref_date'])
一种解决方案是将两个数据框合并,然后进行查询。
df1.index.names = ['user_id', 'date_ranges']
df_merged = df1.merge(df2, on='user_id', how='left').\
query('start_date <= ref_date <= end_date')
df_merged.head()
# user_id start_date end_date status score ref_date
# 2 A 2017-04-04 2017-05-21 S1 1000 2017-04-24
# 5 B 2018-12-23 2018-12-28 S2 900 2018-12-25
缺点是合并后的数据框会丢失多索引。然而,如果你保留 how='left
在 merge
的整数索引 df_merged
可用于 df1
与 iloc
:
df1.iloc[df_merged.index].head()
# user_id start_date end_date status score
# A [2017-04-04, 2017-05-21] 2017-04-04 2017-05-21 S1 1000
# B [2018-12-23, 2018-12-28] 2018-12-23 2018-12-28 S2 900