Pandas 在最近的日期合并并考虑分组

Question

我正在开发一个Python解决方案来应对数据转换挑战，并且遇到了一个我似乎无法弄清楚的小障碍。 我想合并两个数据框（即 df1 和 df2）以创建一个新的数据框，该数据框已将 df2['value2'] 插入 df1['value1']，同时考虑日期和“类型”对齐。 有没有人曾经解决过类似的问题吗？ pandas 是解决这个问题的最佳库吗？

请参阅我在 jupyter 笔记本中使用的代码片段以进行下面的解决方案测试。

import pandas as pd 

df1 = pd.DataFrame({ 'Type': ['Labor', 'Material', 'Labor', 'Material' , 'Labor', 'Material', 'Labor', 'Material'],'date1': ['2021-01-01', '2021-01-01', '2021-02-01', '2021-02-01', '2021-03-01', '2021-03-01', '2021-04-01', '2021-04-01'], 'value1': [0,0,0,0,0,0,0,0]})
df2 = pd.DataFrame({ 'Type': ['Labor', 'Material', 'Labor', 'Material'],'date2': ['2021-01- 
11', '2021-02-22', '2021-02-05', '2021-03-15'], 'value2': [10,20,25,45]})

display(df1)
display(df2)

df1['date1'] = pd.to_datetime(df1['date1'])
df2['date2'] = pd.to_datetime(df2['date2'])

df1 = df1.sort_values(['date1', 'Type'])
df2 = df2.sort_values(['date2', 'Type'])

merge_df = pd.merge_asof(df2, df1, left_on= 'date2', right_on= 'date1' , by = 'Type', 
direction = 'nearest')

display(merge_df)

我想要实现的输出如下所示。

类型	日期	价值
劳工	2021-01-01	10
材质	2021-01-01	0
劳工	2021-02-01	25
材质	2021-02-01	20
劳工	2021-03-01	0
材质	2021-03-01	45
劳工	2021-04-01	0
材质	2021-04-01	0

Answer 1

逻辑和提供的输出不清楚。

我的猜测是，您可能希望将

df1

中的日期和

df2

中的值组合起来，然后填充缺少的组合以使每个日期都具有两种类型。

如果是这种情况，您可以使用：

out = (pd.merge_asof(df2, df1, left_on='date2', right_on='date1',
                     by='Type', direction='nearest')
         .pivot_table(index='Type', columns='date1', values='value2', fill_value=0)
         .rename_axis(columns='Date')
         .unstack().reset_index(name='Value')
      )

输出：

        Date      Type  Value
0 2021-01-01     Labor   10.0
1 2021-01-01  Material    0.0
2 2021-02-01     Labor    0.0
3 2021-02-01  Material   20.0
4 2021-03-01     Labor   25.0
5 2021-03-01  Material    0.0
6 2021-04-01     Labor    0.0
7 2021-04-01  Material   45.0

请注意，这些值略有不同。