如何從迭代兩個數據幀中提取特定值並動態地提取 Append？

Question

我正在嘗試使用現有 dataframe 中的值來創建子集數據幀（或系列）並將這些值與現有的 dataframe 進行比較，以最終在原始 Z6A8064ZB55DF47945505700 中創建一個新列

逐步的過程是：

• 創建一個 dataframe，它根據原始 dataframe、df1 中的日期隔離每個月內的最小日期（df2），這已成功創建。
• 第二步是將actual_date (df1) 與min_date (df2) 匹配的位置進行匹配，然后將extract_value (df1) 存儲在 df1 中，以用於 actual_date 與min_date匹配的所有實例。

我已經采取但收到錯誤的一些嘗試是：比較 dfs 之間的日期值：

df1.loc[df1['actual_date']==df2[df2['min_date']]
#Produces unexpected EOF while parsing

df['actual_date']==df2['min_date']
#Produces ValueError: Can only compare identically-labeled Series objects

遍歷條件：

for each in range(len(df1):
    if df1[df1['actual_date']]==df2[df2['min_date']]:
        df1['exctract_value_new']=df2['extract_value']

#Produces: KeyError: "None of [DatetimeIndex....are in the [columns]"

我嘗試搜索值和鍵錯誤，但無法理解有關索引的線程。 具體來說，我不確定如何重新格式化 df1 和/或 df2 以這種方式比較日期值，然后根據兩個數據幀中的條件何時匹配來提取單獨的列。

以下是使用的示例數據：

df1（基礎）

實際日期	提取值
2021-01-22	22
2021-01-23	24
2021-01-24	15
2021-02-22	16
2021-02-05	34
2021-02-04	18

df2

月	min_date
2021-01-01	2021-01-22
2021-02-01	2021-02-04
2021-03-01	2021-03-01

df1 的最終目標

實際日期	min_date	extract_value_new	extract_value_original
2021-01-22	2021-01-22	22	22
2021-01-23	2021-01-22	22	24
2021-02-04	2021-02-04	18	18
2021-02-05	2021-02-04	18	34

感謝任何幫助！

Answer 1

您可能想查看pd.merge_asof ...solution 這里給了我想要的表！

merge_asof本質上讓我們加入兩列中“最接近”的值。

import pandas as pd
import requests
from datetime import datetime, timedelta


df1 = pd.read_csv('df1.csv')
df2 = pd.read_csv('df2.csv')

datetime_format = '%Y-%m-%d'  # format of date (needs to be a datetime to merge in pandas)
tolerance = timedelta(days=1)  # the tolerance to join dates on

# convert our dates
df1['actual_date'] = pd.to_datetime(df1['actual_date'], format=datetime_format)
df2['min_date'] = pd.to_datetime(df2['min_date'], format=datetime_format)

# sort...
df1.sort_values(by='actual_date', inplace=True)

out = pd.merge_asof(df1, df2, left_on='actual_date', right_on='min_date', tolerance=tolerance).dropna()

給我：

  actual_date  extract_value       month   min_date
0  2021-01-22             22  2021-01-01 2021-01-22
1  2021-01-23             24  2021-01-01 2021-01-22
3  2021-02-04             18  2021-02-01 2021-02-04
4  2021-02-05             34  2021-02-01 2021-02-04