python - 如何根据过滤后的总和合并两个 DataFrame？

Question

我有两个像这样的 DataFrame

   start_date    end_date
1  2018-01-01  2018-01-31
2  2018-01-15  2018-02-28
3  2018-01-31  2018-03-15
4  2018-01-07  2018-04-30

            value
2018-01-01      1
2018-01-02      4
2018-01-03      2
2018-01-04     10
2018-01-05      0
...           ...
2018-12-28      1
2018-12-29      7
2018-12-30      9
2018-12-31      5

我正在尝试向第一个 DataFrame 添加一个新列，其中包含第二个 DataFrame 的总和值，按 start_date 和 end_date 过滤。有点像

   start_date    end_date  total_value
1  2018-01-01  2018-01-31           47  # Where 47 is the sum of values between 2018-01-01 and 2018-01-31, inclusive
2  2018-01-15  2018-02-28           82
3  2018-01-31  2018-03-15          116
4  2018-01-07  2018-04-30          253

我想我可以用 apply 来做到这一点(基本上只是通过 start_date 和 end_date 过滤和总结第二个 DataFrame 并返回总和) ，但我想知道是否有一个简洁的 Pandas 式解决方案。

Answer 1

新答案

我正在使用 OP 数据，需要稍微修改一下

df2 = df2.asfreq('D').fillna(0, downcast='infer')

然后我们执行 cumsum 操作并增加一个类次。

s = df2.value.cumsum()
starts = df1.start_date.map(s.shift().fillna(0, downcast='infer'))
ends = df1.end_date.map(s)

df1.assign(total_value=ends - starts)

  start_date   end_date  total_value
1 2018-01-01 2018-01-31           17
2 2018-01-15 2018-02-28            0
3 2018-01-31 2018-03-15            0
4 2018-01-07 2018-04-30            0

---

旧答案

很酷，但不准确。这是开始日期之后的数字总和。为了包括开始日期，我必须使用轮类。见上文。

您可以使用 cumsum 并取差。

df1.assign(
    total_value=df1.applymap(df2.cumsum().value.get).eval('end_date - start_date'))

  start_date   end_date  total_value
1 2018-01-01 2018-01-31          145
2 2018-01-15 2018-02-28          229
3 2018-01-31 2018-03-15          212
4 2018-01-07 2018-04-30          535

---

设置

np.random.seed([3, 1415])

min_date = df1.values.min()
max_date = df1.values.max()
tidx = pd.date_range(min_date, max_date)
df2 = pd.DataFrame(dict(value=np.random.randint(10, size=len(tidx))), tidx)