加入两个具有重叠日期的 pandas 数据帧并添加具有重叠的新行

Question

我正在尝试使用两个数据框来解决问题： 1 - 带有电视数据的网格，它具有节目的开始和结束（时间）以及频道名称； 2 - 观众数据 - 它包含曲调的开始和结束（时间）、调谐到的频道和用户 ID；

当不同用户的日期重叠时，如何加入两个表并添加新行？ 有点像下面的例子：

Dataframe 1：

渠道	In_Hour	Out_Hour
频道_1	8:00	22:00
频道_2	22:00	22:01
频道_3	22:01	22:40

Dataframe 2：

渠道	程序	开始	结尾
频道_1	一个	07:00	09:00
频道_1	b	09:00	12:40
频道_1	c	12:00	23:00
频道_1	d	23:00	23:30
频道_1	e	23:30	23:45
频道_2	F	21:00	23:40
频道_3	G	21:40	23:00

目标 Dataframe：

渠道	程序	开始	结尾
频道_1	一个	08:00	09:00
频道_1	b	09:00	12:00
频道_1	c	12:00	22:00
频道_2	F	22:00	22:01
频道_3	G	22:01	22:40

Answer 1

设置：

import pandas as pd

df1 = pd.DataFrame({
    'Channel': {0: 'Channel_1', 1: 'Channel_2', 2: 'Channel_3'},
    'In_Hour': {0: '8:00', 1: '22:00', 2: '22:01'},
    'Out_Hour': {0: '22:00', 1: '22:01', 2: '22:40'}
})

df1['In_Hour'] = pd.to_datetime(df1['In_Hour'])
df1['Out_Hour'] = pd.to_datetime(df1['Out_Hour'])

df2 = pd.DataFrame({
    'Channel': {0: 'Channel_1', 1: 'Channel_1', 2: 'Channel_1', 3: 'Channel_1',
                4: 'Channel_1', 5: 'Channel_2', 6: 'Channel_3'},
    'Program': {0: 'a', 1: 'b', 2: 'c', 3: 'd', 4: 'e', 5: 'f', 6: 'g'},
    'Start': {0: '07:00', 1: '09:00', 2: '12:00', 3: '23:00', 4: '23:30',
              5: '21:00', 6: '21:40'},
    'End': {0: '09:00', 1: '12:40', 2: '23:00', 3: '23:30', 4: '23:45',
            5: '23:40', 6: '23:00'}
})

df2['Start'] = pd.to_datetime(df2['Start'])
df2['End'] = pd.to_datetime(df2['End'])

尝试将帧merging在一起，使用掩码过滤掉不符合条件的行，使用apply + clip确保每一行都在In_Hour和Out_Hour指定的开始和结束时间范围内。

# Merge Frames Together
df3 = df2.merge(df1, on='Channel')

# Start is before Out_Hour and End is after In_Hour
m1 = df3['Start'].lt(df3['Out_Hour']) & df3['End'].gt(df3['In_Hour'])

# Filter To Only Keep Rows that are within times
df3 = df3[m1].reset_index(drop=True)

df3 = df3[['Channel', 'Program']].join(
    # Groupby Channel
    df3.apply(
        # Clip lower and upper bounds based on In_Hour and Out_Hour
        lambda r: r[['Start', 'End']].clip(
            lower=r['In_Hour'], upper=r['Out_Hour']
        ),
        axis=1
    )
)

# Fix Hour Formatting
df3['Start'] = df3['Start'].dt.strftime('%H:%M')
df3['End'] = df3['End'].dt.strftime('%H:%M')

df3 ：

     Channel Program  Start    End
0  Channel_1       a  08:00  09:00
1  Channel_1       b  09:00  12:40
2  Channel_1       c  12:00  22:00
3  Channel_2       f  22:00  22:01
4  Channel_3       g  22:01  22:40