Pandas 从另一个缺少日期的数据框返回最近三天的值

df1

    trade_date  pct_chg
266 2019-09-20  0.2390
265 2019-09-23  -0.9769
264 2019-09-24  0.2776
263 2019-09-25  -1.0018
262 2019-09-26  -0.8914
261 2019-09-27  0.1182
260 2019-09-30  -0.9201
259 2019-10-08  0.2885
258 2019-10-09  0.3874
257 2019-10-10  0.7814

df2

        obs_date     last_recent_day_pct_chg  last_second_day_pct_chg  avg_l3d_pct_chg  max_l3d_pct_chg  
  a     2019/9/21   
  b     2019/9/22   
  c     2019/9/23   
  d     2019/9/24   
  e     2019/9/25   
  f     2019/9/26   
  g     2019/9/27   
  h     2019/9/28   
  i     2019/9/29   
  j     2019/9/30   
  k     2019/10/5   
  l     2019/10/8   
  m     2019/10/9
  n     2019/10/9
  o     2019/9/29   

注意：

df2

最初只有索引和obs_日期

目标

我想根据

df1

获得

df2

列的值，如下所示：

• 上一个最近的交易日：如果在

  trade\u date

  中可以找到

  obs\u date

  ，它将返回相应的日期 pct_chg（例如2019/9/23:-0.9769）。如果没有，它将返回相应的最近一天pct chg（例如2019/9/21:0.2390、2019/10/5:-0.9201）
• 最后一天pct chg：如果在

  trade\u date

  中可以找到

  obs\u date

  ，它将返回相应的最后一天pct chg（例如2019/9/24:0.2776）。如果没有，它将返回最近的对应最后一天pct chg（例如2019/10/5:0.1182、2019/9/23:NULL）
• avg_l3d_pct_chg/max_l3d_pct_chg：基于

  obs_日期

  ，它返回最近3个

  trade_日期

  （例如2019/10/5、2019/9/26、9/27、9/30、2019/10/09、2019/10/09、10/8、9/30）的平均值或最大值

试试看

---

我考虑了这个。但是似乎不起作用。< /P> < P>可以根据“<代码> DF1 < /代码>创建四个<代码>系列/代码>，并在使用<代码> .SHIFT（）<代码>之后，然后<代码>重采样（'1D），将它们合并到您的<代码> DF2<代码>中。这四个系列是：

s0

-直接将数据从df1合并到df2，从而产生一些

NaN

值

s1

-数据从df1到df2的合并，但使用

ffill（）

，因此如果

NaN

，您可以获得前一天的数据

s2

-将数据从df1合并到df2，但使用

.shift（1）

和

ffill（）

，因此如果

NaN

，您可以在前几天获得

2

s3

-将数据从df1合并到df2，但使用

.shift（2）

和

ffill（）

，因此如果

NaN

，您可以提前3天获得

从这里，您可以导出

平均值

和

最大值

，以及操作

1

和

2

（

'last\u recent\u day\u pct\u chg'

和

last\u second\u day\u pct\u chg'

），然后重命名末尾的列，以保持其语法清晰，因为列名很长

注意：对于您想要的

'last\u recent\u day\u pct\u chg'

和

'last\u second\u day\u pct\u chg'

的输出是什么，有点混淆（我认为您的问题中可能有错误），但是如果输出不正确，您可以轻松地调整这两行

df2[1] = np.where(df2[0].notnull(), df2[0], df2[1])
df2[2] = np.where(df2[0].notnull(), df2[0], df2[2])

完整代码：

---

---

但如果df2中有重复的值，结果应该返回原始索引，该怎么办。@Jack df1会有重复的日期值吗？不会，但df2可能有重复的日期值values@Jack如果日期重复，它将正确返回，并且我已通过调整merge以在索引和列上使用

df2=df2.merge（pd.concat）进行合并来包含原始索引([s0，s1，s2，s3]，轴=1），右索引=True，左索引=obs\u date'）

而不是使用

reset\u index（）

并在列和列上合并。

df1 = df1.rename({'trade_date' : 'obs_date'}, axis=1)
df1['obs_date'], df2['obs_date'] = pd.to_datetime(df1['obs_date']), pd.to_datetime(df2['obs_date'])
s = pd.Series(df1['pct_chg'].tolist(), df1['obs_date'])
s0 = s.resample('1D').mean()
s1 = s.resample('1D').mean().ffill()
s2 = s.shift(1).resample('1D').mean().ffill()
s3 = s.shift(2).resample('1D').mean().ffill()
df2 = df2.merge(pd.concat([s0,s1,s2,s3], axis=1), right_index=True, left_on='obs_date')
df2[3] = df2.iloc[:,2:5].mean(axis=1)
df2[4] = df2.iloc[:,2:5].max(axis=1)
df2[1] = np.where(df2[0].notnull(), df2[0], df2[1])
df2[2] = np.where(df2[0].notnull(), df2[0], df2[2])
df2 = df2.drop(0, axis=1).rename({1:'last_recent_day_pct_chg', 2:'last_second_day_pct_chg',
                                  3:'avg_l3d_pct_chg', 4:'max_l3d_pct_chg'}, axis=1)
df2

Out[1]: 
    obs_date  last_recent_day_pct_chg  last_second_day_pct_chg  \
a 2019-09-21                   0.2390                      NaN   
b 2019-09-22                   0.2390                      NaN   
c 2019-09-23                  -0.9769                  -0.9769   
d 2019-09-24                   0.2776                   0.2776   
e 2019-09-25                  -1.0018                  -1.0018   
f 2019-09-26                  -0.8914                  -0.8914   
g 2019-09-27                   0.1182                   0.1182   
h 2019-09-28                   0.1182                  -0.8914   
i 2019-09-29                   0.1182                  -0.8914   
o 2019-09-29                   0.1182                  -0.8914   
j 2019-09-30                  -0.9201                  -0.9201   
k 2019-10-05                  -0.9201                   0.1182   
l 2019-10-08                   0.2885                   0.2885   
m 2019-10-09                   0.3874                   0.3874   
n 2019-10-09                   0.3874                   0.3874   

   avg_l3d_pct_chg  max_l3d_pct_chg  
a         0.239000         0.239000  
b         0.239000         0.239000  
c        -0.368950         0.239000  
d        -0.153433         0.277600  
e        -0.567033         0.277600  
f        -0.538533        -0.538533  
g        -0.591667         0.118200  
h        -0.591667         0.118200  
i        -0.591667         0.118200  
o        -0.591667         0.118200  
j        -0.564433         0.118200  
k        -0.564433         0.118200  
l        -0.171133         0.288500  
m        -0.081400         0.387400  
n        -0.081400         0.387400