Python Pandas-在包含区间的多索引上建立索引

我有一个熊猫数据帧

df1

，它有一个由

user\u id

值和

start\u date

，

end\u date

IntervalIndex组成的多索引。我想根据第二个数据帧

df2

中的相应值从

df1

中选择行

数据帧

df1

和

df2

如下所示：

In [1]: df1
Out [1]:
                                 start_date   end_date status  score
user_id                                                             
A       [2017-03-07, 2017-03-11] 2017-03-07 2017-03-11     S1   1000
        [2017-03-12, 2017-04-03] 2017-03-12 2017-04-03     S2   1000
        [2017-04-04, 2017-05-21] 2017-04-04 2017-05-21     S1   1000
        [2017-05-22, 2222-12-31] 2017-05-22 2222-12-31     S3   1000
B       [2018-12-01, 2018-12-22] 2018-12-01 2018-12-22     S1    900
        [2018-12-23, 2018-12-28] 2018-12-23 2018-12-28     S2    900
        [2018-12-29, 2222-12-31] 2018-12-29 2222-12-31     S1   1500


In [2]: df2
Out [2]:
  user_id   ref_date
0       A 2017-04-24
1       B 2018-12-25

我感兴趣的是从

df1

中选择

user\u id

s，它也在

df2

中，以及相应的

df2.ref\u date

s所在的

df1

间隔中。在本例中，我希望得到第三行和第六行

如果我使用一行

df2

，我可以通过运行以下命令在

df1

中找到相应的行：

In [3]: df1.loc[['A']].index.get_level_values(1).get_indexer([pd.to_datetime('2017-04-24')])
Out [3]: array([2])

有没有一种方法可以使用数组一次完成索引

下面是创建数据帧的代码：

users = {'user_id': ['A','A','A','A', 'B','B','B'],
         'start_date': ['2017-03-07', '2017-03-12', '2017-04-04', '2017-05-22', '2018-12-01', '2018-12-23', '2018-12-29'],
         'end_date': ['2017-03-11', '2017-04-03', '2017-05-21', '2222-12-31', '2018-12-22', '2018-12-28', '2222-12-31'],
         'status': ['S1', 'S2', 'S1', 'S3', 'S1', 'S2', 'S1'],
         'score': [1000, 1000, 1000, 1000, 900, 900, 1500]
        }

df1 = pd.DataFrame(users, columns = ['user_id', 'start_date', 'end_date', 'status', 'score'])

for col in ['start_date', 'end_date']:
    df1[col] = pd.to_datetime(df1[col])

df1.set_index(['user_id', pd.IntervalIndex.from_arrays(df1['start_date'], df1['end_date'], closed='both')], drop=True, inplace=True)



df2 = pd.DataFrame({'user_id': ['A', 'B'], 
                   'ref_date': ['2017-04-24', '2018-12-25']})

df2['ref_date'] = pd.to_datetime(df2['ref_date'])

---

一种解决方案是合并两个数据帧，然后执行查询：

df1.index.names = ['user_id', 'date_ranges']

df_merged = df1.merge(df2, on='user_id', how='left').\
    query('start_date <= ref_date <= end_date')

df_merged.head()

#   user_id start_date  end_date    status  score   ref_date
# 2 A   2017-04-04  2017-05-21  S1  1000    2017-04-24
# 5 B   2018-12-23  2018-12-28  S2  900 2018-12-25

---

回答得好+1另外，另一个缺点是您创建了行的笛卡尔积，因此如果您有大量行，您可能会有内存问题。非常感谢！可能是新手问题：

df1

中的一个“选定”行的值如何分配，而不冒修改视图（链式分配）的风险？

df\u merged

是一个独立的数据帧，如果您在其中更改任何内容，将不会在

df1

中进行更新，通常方法返回一个新的数据帧，但始终检查文档在

iloc

中选择行和列，例如

df1.iloc[1，df1.columns=='user\u id']=0

请记住

iloc

是基于整数的，因此不能按名称选择列，这就是我使用布尔掩码的原因，您还可以使用范围：

df1.iloc[[0:2]，df1.columns=='user\u id'=0

df1.iloc[df_merged.index].head()

#     user_id       start_date  end_date    status  score
# A [2017-04-04, 2017-05-21]    2017-04-04  2017-05-21  S1  1000
# B [2018-12-23, 2018-12-28]    2018-12-23  2018-12-28  S2  900