我有一个数据帧称为df1
,看起来像这样:
Loc Start End
CA 2013-11-08 2014-04-14
CO 2014-04-14 2014-04-16
CA 2014-04-16 2014-04-18
CO 2014-04-18 2014-04-23
而且我还有一个数据帧称为df2
,看起来像这样:
Date Loc Flag
2014-04-14 CO 0
2014-04-14 CO 0
2014-04-14 CO 0
2014-04-15 CO 0
2014-04-15 CO 0
2014-04-16 CO 0
2014-04-16 CO 0
2014-04-16 VA 0
2014-04-16 CA 0
我想建立使得对于每一个Start
和End
期df1
,功能检查是否在df2
落于该日期范围匹配位置的行,即做loc
的匹配功能。如果它们不匹配,我想Flag
被打上1.这里是我试过的代码:
for i in range(len(df1)):
for j in range(len(df2)):
if df2['Date'][j] <= df1['End Date'][i] and \
df2['Date'][j] >= df1['Start Date'][i]:
if df2['Loc'][j] != df1['Loc'][i]:
df2['flag'][j] = 1
我的代码把1的在实际位置相匹配。我认为这是因为重叠Start
和End
日期。我如何能去纠正这个任何提示?谢谢
更简单的解决方案是使用merge_asof。这类似于左加入,除了我们匹配最接近的关键,而不是平等的钥匙。下面是更多:https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.merge_asof.html
df1['interval'] = pd.to_datetime(df1['start_date'])
df2['interval'] = pd.to_datetime(df2['Date'])
df1.sort_values(by=['interval'])
df2.sort_values(by=['interval'])
df3 = pd.merge_asof(df2, df1, on='interval', by='Loc')