Python: Erstellen neue Spalt in Datenrahmen basierend auf Start- und Enddatum in einem anderen Datenrahmen

Question

Ich habe folgenden Datenrahmen bezeichnet Start- und Enddatum für ein bestimmtes Quartal:

Meine Funktion nehmen unter einem vorhandenen Datensatz (nicht gezeigt) und erstellt eine neue Spalte namens "Quarter". Wenn das Datum in meinem vorhandenen Datensatz innerhalb des Anfangs- und Enddatums in dem obigen Datenrahmen liegt, erhält die neue Spalte "Quartal" eine Bezeichnung (d. H. Q1 oder Q2). Ansonsten möchte ich, dass es leer ist.

# dynamic function for quarterly cuts 

    def quarters(df, df_quarters): 
     for i, m in df.iterrows(): 
      for j, (Quarter, Start_Date, End_Date) in df_quarters.iterrows(): 
       if (m['date'] >= Start_Date) & (m['date'] <= End_Date): 
        df.set_value(i, 'Quarter', Quarter) 
        break 

    quarters(WSI_Hourly, df_quarters) 

Die Funktion, die ich über Werke geschrieben, aber mit einem Haken. Es kennzeichnet noch jedes Datum vor 2016, 1, 1 in meinem Datensatz als Q1. Wenn ich beispielsweise ein Datum wie 2015, 12, 3 habe, sollte die Spalte "Quartal" leer sein, da sie außerhalb des zulässigen Bereichs liegt. Aber es bezeichnet es immer noch als Q1.

* Jede Hilfe wird sehr geschätzt.

Answer 1

versuchen import pandas als pd import numpy als np

df1 = pd.DataFrame({'StartDate': pd.date_range('2016-01-01', periods=9, freq='5D'), 'EndDate': pd.date_range('2016-01-04', periods=9, freq='5D'), 'Quarter': np.arange(1, 10, 1)}) 

df2 = pd.DataFrame(dict(values=np.random.randn(10), date_time=pd.date_range('2016-01-01', periods=10, freq='D'))) 

df2['Quarter'] = np.piecewise(np.zeros(len(df2)), [(df2.date_time.values >= start_date)&(df2.date_time.values <= end_date) for start_date, end_date in zip(df1.StartDate.values, df1.EndDate.values)], df1.Quarter.values) 

print df1 

print df2 

Eingangsdaten

 EndDate Quarter StartDate 
0 2016-01-04  1 2016-01-01 
1 2016-01-09  2 2016-01-06 
2 2016-01-14  3 2016-01-11 
3 2016-01-19  4 2016-01-16 
4 2016-01-24  5 2016-01-21 
5 2016-01-29  6 2016-01-26 
6 2016-02-03  7 2016-01-31 
7 2016-02-08  8 2016-02-05 
8 2016-02-13  9 2016-02-10 

Ausgang

date_time values Quarter 
0 2016-01-01 0.074264  1.0 
1 2016-01-02 0.621282  1.0 
2 2016-01-03 0.398398  1.0 
3 2016-01-04 -3.435242  1.0 
4 2016-01-05 -1.613446  0.0 
5 2016-01-06 1.256619  2.0 
6 2016-01-07 0.835417  2.0 
7 2016-01-08 -0.532238  2.0 
8 2016-01-09 0.047838  2.0 
9 2016-01-10 0.598660  0.0