#python #pandas #date
#python #pandas #Дата
Вопрос:
У меня есть набор данных, где каждая запись имеет 5 значений даты, а затем еще одну переменную даты. Я хочу извлечь либо наименьшую из 5 дат, которая больше другой переменной, либо самую большую из 5 дат, которая меньше. Пример:
date1 date2 date3 date4 date5 date_var result1 result2
jan1 feb1 apr1 sep1 dec1 mar1 apr1 feb1
Итак, в основном цель состоит в том, чтобы выяснить, какая из двух дат date_var находится между (здесь февраль-апрель), а затем вытащить меньшую или большую. Если это имеет значение, входные данные уже очищены таким образом, что date1 < date2 < date3 < date4 < date5 для всех дат, хотя есть вероятность, что они будут na.
Мое решение было таким:
df.loc[df.date_var > date5,'result2'] = date5
df.loc[(df.date_var <= date5) amp; (df.date_var > date4),'result2'] = date4
df.loc[(df.date_var <= date4) amp; (df.date_var > date3),'result2'] = date3
...
но это очень медленно. Есть ли более быстрый способ выполнить эту операцию, или это просто что-то, что будет медленным? Спасибо.
Комментарии:
1. Не могли бы вы уточнить, каким должен быть результат для этого примера? Я не вижу, находится ли какой-либо из дней между result1 и result2 для вашего примера. Ответ здесь NA?
2. result1 и result2 являются выходными данными функции, вы можете видеть в примере, что date_var находится между date2 и date3, поэтому эти результаты являются просто значениями этих столбцов: feb1 и apr1.
3. Я вижу. почему бы вам не извлечь даты not na и не вернуть 1 индекс даты в качестве результата1 и -1 индекс в качестве результата два (предполагая, что дни отсортированы, если не отсортировать их и удалить значения na, то сделайте это.).
4. Я не понимаю, можете ли вы указать код, который вы бы использовали? Результат будет зависеть от того, какие две даты date_var находятся между ними, поэтому я пытаюсь выяснить, как сравнивать.
Ответ №1:
Вот мое понимание вопроса.
- Нам дано 5 дат, таких, что d1 < d2 < d3 < d4 < d5.
- Нам также указана целевая дата.
- Найдите i таким, чтобы d_i <= target < d_i 1
- результат1 равен d_i, а результат2 равен d_i 1
Вот мой подход:
from collections import namedtuple
import pandas as pd
# create sample data
Record = namedtuple('Record', 'd1 d2 d3 d4 d5 target')
df = pd.DataFrame([
Record('2019-01-01', '2019-02-01', '2019-04-01', '2019-09-01', '2019-12-01', '2019-03-01'),
Record('2020-01-01', '2020-02-01', '2020-04-01', '2020-09-01', '2020-12-01', '2020-03-01'),
])
df = df.astype('datetime64[D]')
# define function to find lower, upper bounding dates
def find_bound(s, target, metric='min'):
assert isinstance(s, pd.Series)
if metric == 'min':
return s[s <= target].max()
else:
return s[s > target].min()
df['min'] = df.apply(lambda x: find_bound(x['d1':'d5'], x['target'], 'min'), axis=1)
df['max'] = df.apply(lambda x: find_bound(x['d1':'d5'], x['target'], 'max'), axis=1)
# verify that lower, upper bounds are correct
df['validate'] = (df['min'] <= df['target']) amp; (df['target'] < df['max'])
print(df.transpose())
0 1
d1 2019-01-01 2020-01-01
d2 2019-02-01 2020-02-01
d3 2019-04-01 2020-04-01
d4 2019-09-01 2020-09-01
d5 2019-12-01 2020-12-01
target 2019-03-01 2020-03-01
min 2019-02-01 2020-02-01 <- result 1
max 2019-04-01 2020-04-01 <- result 2
validate True True
Комментарии:
1. Да, это именно то, что я искал, спасибо. Поиск максимального значения, которое меньше, или минимального значения, которое больше, это должно быть намного быстрее, чем проверка каждого из 4 интервалов, чтобы увидеть, в какой он попадает. Спасибо.