python - 识别数据框中重叠时间跨度的数量

Question

我有一个包含开始日期和结束日期的契约(Contract)列表。

如何计算契约(Contract)生命周期内重叠契约(Contract)的数量？

df = pd.DataFrame({
    'contract': pd.Series(['A1', 'A2', 'A3', 'A4']),
    'start': pd.Series(['01/01/2015', '03/02/2015', '15/01/2015', '10/01/2015']),
    'end': pd.Series(['16/01/2015', '10/02/2015', '18/01/2015', '12/01/2015'])
})

给出:

  contract         end       start
0       A1  16/01/2015  01/01/2015
1       A2  10/02/2015  03/02/2015
2       A3  18/01/2015  15/01/2015
3       A4  12/01/2015  10/01/2015

A1 与 A3 和 A4 重叠，因此重叠 = 2。A2 没有契约(Contract)重叠，因此重叠 = 0。A3 与 A1 重叠，因此重叠 = 1。A4 与 A1 重叠，因此重叠 = 1。

我可以只比较每个时间跨度(从开始到结束)，但那是 O(n**2)有更好的主意吗？

我觉得可以通过排序然后 looping through the sorted ranges 来获得改进

Answer 1

这里有一个方法:

df = pd.DataFrame({
    'contract': pd.Series(['A1', 'A2', 'A3', 'A4']),
    'start': pd.Series(['01/01/2015', '03/02/2015', '15/01/2015', '10/01/2015']),
    'end': pd.Series(['16/01/2015', '10/02/2015', '18/01/2015', '12/01/2015'])
})
df['start'] = pd.to_datetime(df.start, dayfirst=True)
df['end'] = pd.to_datetime(df.end, dayfirst=True)

periods = df[['start', 'end']].apply(lambda x: (pd.date_range(x['start'], x['end']),), axis=1)
overlap = periods.apply(lambda col: periods.apply(lambda col_: col[0].isin(col_[0]).any()))
df['overlap_count'] = overlap[overlap].apply(lambda x: x.count() - 1, axis=1)
print df

产生:

  contract        end      start  overlap_count
0       A1 2015-01-16 2015-01-01              2
1       A2 2015-02-10 2015-02-03              0
2       A3 2015-01-18 2015-01-15              1
3       A4 2015-01-12 2015-01-10              1 

我更新了代码以输出重叠次数而不是重叠天数。