[英]How to subset rows based on date overlap range efficiently using python pandas?
我的数据框有两个日期类型列:开始和结束(yyyy-mm-dd)。
这是我的数据框:
import pandas as pd
import datetime
data=[["2016-10-17","2017-03-08"],["2014-08-17","2016-09-08"],["2014-01-01","2015-01-01"],["2017-12-20","2019-01-01"]]
df=pd.DataFrame(data,columns=['start','end'])
df['start'] = pd.to_datetime(df['start'], format='%Y-%m-%d')
df['end'] = pd.to_datetime(df['end'], format='%Y-%m-%d')
start end
0 2016-10-17 2017-03-08
1 2014-08-17 2016-09-08
2 2014-01-01 2015-01-01
3 2017-12-20 2019-01-01
我有如下参考开始和结束日期。
ref_start=datetime.date(2015, 9, 20)
ref_end=datetime.date(2017,1,31)
print(ref_start,ref_end)
2015-09-20 2017-01-31
如果行的开始和结束日期范围与参考开始和结束日期重叠,我想对行进行子集化。 由于开始和结束日期范围与参考日期范围不重叠(2015-09-20 ~ 2017-01-31),因此未选择第三和第四行
所以我想要的结果是这样的:
start end
0 2016-10-17 2017-03-08
1 2014-08-17 2016-09-08
为此,我正在考虑基于此使用以下代码: python 中的有效日期范围重叠计算?
df[(max(df['start'],ref_start)>min(df['end'],ref_end))]
但是,它不起作用。 有什么方法可以有效地获得预期的结果?
我在职业生涯早期学到的一个技巧就是我所说的“跨越日期”:
# pd.Timestamp can do everything that datetime/date does and some more
ref_start = pd.Timestamp(2015, 9, 20)
ref_end = pd.Timestamp(2017,1,31)
# Compare the start of one range to the end of another and vice-versa
# Made into a separate variable for reability
cond = (ref_start <= df['end']) & (ref_end >= df['start'])
df[cond]
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.