Python 根据另一个数据框中日期之间的范围合并数据框_Python_Pandas_Datetime Format

Python 根据另一个数据框中日期之间的范围合并数据框

python pandas

Python 根据另一个数据框中日期之间的范围合并数据框,python,pandas,datetime-format,Python,Pandas,Datetime Format,会话数据 tariff data dt_start dt_end energy_fee parking_fee 0 2020-05-27 13:00:00+02:00 2020-05-27 15:00:00+02:00 0.50 0.50 1 2020-05-27 15:00:00+02:00 2020-05-27 20:00:00+02:00 0.42 0.50 2 2020-05-27 20:00:0

会话数据

tariff data

        dt_start    dt_end  energy_fee  parking_fee
    0   2020-05-27 13:00:00+02:00   2020-05-27 15:00:00+02:00   0.50    0.50
    1   2020-05-27 15:00:00+02:00   2020-05-27 20:00:00+02:00   0.42    0.50
    2   2020-05-27 20:00:00+02:00   2020-05-27 21:00:00+02:00   0.16    0.10
    3   2020-05-27 21:00:00+02:00   2020-05-27 22:00:00+02:00   0.50    0.50
    4   2020-05-27 22:00:00+02:00   2020-05-28 01:00:00+02:00   0.38    0.32

    id  dt_start    dt_end  energy
0   1   2020-05-27 13:00:00+02:00   2020-05-27 13:12:00+02:00   2.00
1   1   2020-05-27 13:00:00+02:00   2020-05-27 13:25:00+02:00   0.30
2   1   2020-05-27 13:00:00+02:00   2020-05-27 13:27:00+02:00   4.50
3   1   2020-05-27 13:00:00+02:00   2020-05-27 13:01:00+02:00   2.03
4   1   2020-05-27 13:00:00+02:00   2020-05-27 13:26:00+02:00   3.69

我想要的最终结果是会话数据

tariff data

        dt_start    dt_end  energy_fee  parking_fee
    0   2020-05-27 13:00:00+02:00   2020-05-27 15:00:00+02:00   0.50    0.50
    1   2020-05-27 15:00:00+02:00   2020-05-27 20:00:00+02:00   0.42    0.50
    2   2020-05-27 20:00:00+02:00   2020-05-27 21:00:00+02:00   0.16    0.10
    3   2020-05-27 21:00:00+02:00   2020-05-27 22:00:00+02:00   0.50    0.50
    4   2020-05-27 22:00:00+02:00   2020-05-28 01:00:00+02:00   0.38    0.32

    id  dt_start    dt_end  energy
0   1   2020-05-27 13:00:00+02:00   2020-05-27 13:12:00+02:00   2.00
1   1   2020-05-27 13:00:00+02:00   2020-05-27 13:25:00+02:00   0.30
2   1   2020-05-27 13:00:00+02:00   2020-05-27 13:27:00+02:00   4.50
3   1   2020-05-27 13:00:00+02:00   2020-05-27 13:01:00+02:00   2.03
4   1   2020-05-27 13:00:00+02:00   2020-05-27 13:26:00+02:00   3.69

我正在尝试从电费数据集中获取能源费和停车费。对于会话数据集中的dt_start和dt_end范围

示例：会话['dtu start'][0]和会话['dtu end'][0]在tarrif['dtu start'][0]和tarrif['dtu end'][0]的间隔内。我想要能源费和停车费

一些背景：

Tarrif数据集的dt_开始和dt_结束范围包括能源费和停车费。我必须计算dt_开始和dt_结束会话的能源和停车成本。

您可以合并两个数据帧：

        id  dt_start    dt_end  energy energy_fee   parking_fee
    0   1   2020-05-27 13:00:00+02:00   2020-05-27 13:12:00+02:00   2.00 0.50   0.50
    1   1   2020-05-27 13:00:00+02:00   2020-05-27 13:25:00+02:00   0.30 0.50   0.50
    2   1   2020-05-27 13:00:00+02:00   2020-05-27 13:27:00+02:00   4.50 0.50   0.50
    3   1   2020-05-27 13:00:00+02:00   2020-05-27 13:01:00+02:00   2.03 0.50   0.50
    4   1   2020-05-27 13:00:00+02:00   2020-05-27 13:26:00+02:00   3.69 0.50   0.50

通过将pandas与sqlite3相结合，我终于找到了解决方案

我知道我想对数据进行的连接是交叉连接，因为没有可以合并表的公共列。因此，我决定将我的CSV导入SQLITE3DB并执行交叉连接。与pandas提供的方法相比，sqlite3具有更好的执行交叉连接的方法

df_session.reset_index().merge(df_tariff, on=['dt_start', 'dt_end'], how='left').set_index('index')

数据帧输出为能源费，停车费输出为NaN。我试着用“正确”和“外部”来解释，但是没有运气，开始，结束，能源，能源，能源，停车费，费用指数0 1 2020-05-27 13:00+02:00 2020-05-27 13:00+02:00 2:00南南1 1 2020-05-27 13:00+02:00 2020-05-27 13:00+02:00南2:00 2020-05-27 13:00+02:00南2:00南2:00 2020-05-27 13:00+02:00南4.503 1 2020-05-27 13:00:00+02:00 2020-05-27 13:01:00+02:00 2.03楠楠4 1 2020-05-27 13:00+02:00 2020-05-27 13:26:00+02:00 3.69楠楠楠楠您想按行对行或重叠间隔合并吗？这里没有可合并的公共列。问题是，列dt_start和st_end具有相同的名称，但其中的值不相同。关税数据具有时间范围。在会话数据中，它是所使用的会话。