Python pandas 基于时间戳查找值

Question

我有一个 pandas DataFrame，看起来像这样:

 product month
 apple  Jan-18
 pear   Jan-18
 banana Jan-18
 apple  Jan-18
 pear   Feb-18
 apple  Feb-18
 banana Feb-18

我创建了自己的引用表，如下所示:

id product     start       end    weight
1  apple    01/01/2011  31/01/2018 heavy
1  apple    01/02/2018  31/12/2020 small
2  banana   01/01/2015  31/01/2018 heavy
2  banana   01/02/2018  31/12/2020 small
3  pear     01/01/2016  31/12/2020 heavy

引用表始终以该月的第一天和最后一天开始。随着时间的推移，“权重”领域正在慢慢发生变化。例如，苹果和香蕉随着时间的推移而发生了变化。日期 31/12/2020 表示这是该产品当前的事件维度。

我需要根据时间戳将引用表中的“权重”与产品上的 DataFrame 合并。我需要得到这个:

 product month weight
 apple  Jan-18 heavy
 pear   Jan-18 heavy
 banana Jan-18 heavy
 apple  Jan-18 heavy
 pear   Feb-18 heavy
 apple  Feb-18 small
 banana Feb-18 small

我的困难是我不知道从哪里开始。我的 DataFrame 和引用表中的日期字段是 datetime64[ns]

Answer 1

在 ref_df 中创建一个与 ref_df 的月份列结构相似的新列

合并新创建的列上的两个数据框

def month_conversion(x):
    month_list = ['Jan','Feb','Mar','Apr','May','June','July','Aug','Sep','Oct','Nov','Dec']
    return month_list[int(x.month)-1] 

ref_df['year'] = ref_df['start'].head().map(lambda x: str(x.year)[-2:])

ref_df['month'] = ref_df.loc[0:5,'start'].map(month_conversion)

ref_df['common_key'] = ref_df['month'] +'-' +ref_df['year']
my_df['month'] = my_df['month'].astype(str)
final_df = ref_df.merge(my_df,left_on=['common_key','product'],right_index=['month','product'],suffixes=('_merge',''))