如何转换列中给出的日期间隔并提取多个重叠时段的时间间隔中每小时的体积？

Question

我有以下 df：

Start_Date   End_Date  Relevant  Volume   
2024-10-01 2024-12-31     False  0.000000   
2025-01-01 2025-03-31      True  0.097989   
2025-04-01 2025-06-30      True -0.014449   
2025-01-01 2025-12-31      True  0.195327   
2026-01-01 2026-12-31     False  0.000000   

我需要一个在第一个/最后一个日期开始/结束的每小时索引，其中 Relevant == True。我这样做如下：

    relevant_df = df[df['Relevant']]    
    earliest_start = relevant_df['Start_Date'].min()
    latest_end = relevant_df['End_Date'].max()
    # Create DateTime index
    date_range = pd.date_range(start=earliest_start, end=latest_end, freq='H')
    aggregated_volumes = pd.Series(index=date_range, dtype=float)

现在，我如何获取每个周期的交易量并将它们加在一起，以便在本例中，2025 年前三个月，每小时的交易量等于 0.097989 + 0.195327 第二季度 -0.014449 + 0.195327 等..

Answer 1

由于您的间隔重叠，我相信没有直接的方法来索引您的值。

但是，您可以创建一个 NxM numpy 数组（N：行数，M：True 行数）和总和：

# ensure datetime
relevant_df[['Start_Date', 'End_Date']] = relevant_df[['Start_Date', 'End_Date']].apply(pd.to_datetime)

# compute a mask of the values between start/end
idx = date_range.to_numpy()[:, None]
m1 = idx>=relevant_df['Start_Date'].to_numpy()
m2 = idx<relevant_df['End_Date'].to_numpy()

# broadcast the values, sum, convert to Series
out = pd.Series(np.nansum(np.where(m1&m2, relevant_df['Volume'].to_numpy(), np.nan), axis=1),
                index=date_range)

输出：

2025-01-01 00:00:00    0.293316
2025-01-01 01:00:00    0.293316
2025-01-01 02:00:00    0.293316
2025-01-01 03:00:00    0.293316
2025-01-01 04:00:00    0.293316
                         ...   
2025-12-30 20:00:00    0.195327
2025-12-30 21:00:00    0.195327
2025-12-30 22:00:00    0.195327
2025-12-30 23:00:00    0.195327
2025-12-31 00:00:00    0.000000
Freq: h, Length: 8737, dtype: float64