Python 基于重叠时间间隔连接两个数据集

我试图根据重叠的间隔“合并”两个数据帧，如下所示：

数据集1

开始日期 结束日期 字段1 2020-01-01 2020-06-30 A. 2020-07-01 2020-12-31 B

---

您可以通过以下步骤执行此操作：

对于

df1

，通过

pd.date\u range（）

定义每行的日期范围，对应于每行从

start\u date

到

end\u date

的期间

类似地，对于

df2

，以类似的方式定义每行的日期范围

将新创建的

date\u范围内的
df1
和
df2
的日期列表分解为多行，每行中包含一个日期

对每个数据帧中的

date\u范围

列上的

df1

和

df2

执行内部合并。现在，我们已经可以得到每个原始数据帧中公共日期的交点，以便进一步处理

按相交日期的

field1

和

field2

分组，我们可以通过获取组中的第一个条目来获取公共日期范围的新

开始日期

类似地，我们可以通过获取组中的最后一个条目来获取公共日期范围的新的

end_date

最后，我们聚合条目，只取每个组中的第一行，该行已经具有我们所需的所有信息

---

---

这有用吗@Andreas感谢您的分享，但这是一个稍微不同的问题。@Cambyst您可以做的是将df1中的每个日期范围（开始-结束）与df2中的每个日期范围进行比较，并找到相交的日期范围（记住field1和field2的值）。每个非空交叉点在预期的_输出中成为一行。我现在没有时间为这个问题创造一个真正的答案。但也许这可以为你或其他人指明正确的方向。@jch我的解决方案与你的想法相同。在你发表评论时，我正在对代码进行最后的修饰。

df1a = (df1.assign(date_range=df1.apply(lambda x: pd.date_range(start=x['start_date'], end=x['end_date']), axis=1))
           .explode('date_range'))
df2a = (df2.assign(date_range=df2.apply(lambda x: pd.date_range(start=x['start_date'], end=x['end_date']), axis=1))
           .explode('date_range'))
df3 = df1a.merge(df2a, on='date_range')
df3['start_date'] = df3.groupby(['field1', 'field2'])['date_range'].transform('first')
df3['end_date'] = df3.groupby(['field1', 'field2'])['date_range'].transform('last')
df4 = df3.groupby(['field1', 'field2']).agg('first').reset_index()[['start_date', 'end_date', 'field1', 'field2']]



print(df4)

  start_date   end_date field1 field2
0 2020-01-01 2020-04-30      A      D
1 2020-05-01 2020-06-30      A      E
2 2020-07-01 2020-08-31      B      E
3 2020-09-01 2020-12-31      B      F