Python 仅在开始日期和结束日期之间按标识符对两列求和

考虑到我有以下几点：

数据帧：

id    enddate         startdate        ownerId   value
1     2019-10-05      2019-10-05       10        105 
2     2019-10-06      2019-10-05       10        240
3     2019-10-07      2019-10-05       10        420
4     2019-10-08      2019-10-08       10        470
5     2019-10-01      2019-10-01       11        320
6     2019-10-02      2019-10-01       11        18
7     2019-10-10      2019-10-10       12        50
8     2019-10-12      2019-10-10       12        412
9     2019-10-14      2019-10-10       12        398
10    2019-10-15      2019-10-12       12        320

我想做的是对endId位于同一所有者id的当前startId和当前endId之间的所有值列求和

输出应为：

id    enddate         startdate         ownerId   value    output
1     2019-10-05      2019-10-05        10        105      105     # Nothing between 2019-10-05 and 2019-10-05
2     2019-10-06      2019-10-05        10        240      345     # Found 1 record (with id 1)
3     2019-10-07      2019-10-05        10        420      765     # Found 2 records (with id 1 and 2)
4     2019-10-08      2019-10-08        10        470      470     # Nothing else between 2019-10-08 and 2019-10-08
5     2019-10-01      2019-10-01        11        320      320     # Reset because Owner is different
6     2019-10-02      2019-10-01        11        18       338     # Found 1 record (with id 5)
7     2019-10-10      2019-10-10        12        50       50      # ...
8     2019-10-12      2019-10-10        12        412      462
9     2019-10-14      2019-10-10        12        398      860
10    2019-10-15      2019-10-12        12        320      1130    # Found 3 records between 2019-10-12 and 2019-10-15 (with id 8, 9 and 10)

我试图使用groupby.sum等，但我无法得到我需要的

您有什么建议吗？

您可以在一条指令中完成：

df['output'] = df.apply(lambda row:
    df[df.ownerId.eq(row.ownerId) & df.enddate.between(row.startdate, row.enddate)]
    .value.sum(), axis=1)

您可以在一条指令中完成此操作：

df['output'] = df.apply(lambda row:
    df[df.ownerId.eq(row.ownerId) & df.enddate.between(row.startdate, row.enddate)]
    .value.sum(), axis=1)

---

如果数据集不太大，可以使用selfjoin：

df[['startdate','enddate']] = df[['startdate','enddate']].apply(pd.to_datetime)

df['output'] = (df.merge(df, on='ownerId', suffixes=('','_y'))
                  .query('startdate <= enddate_y <= enddate')
                  .groupby('id')['value_y']
                  .sum()
                  .to_numpy())

print(df)

---

如果数据集不太大，可以使用selfjoin：

df[['startdate','enddate']] = df[['startdate','enddate']].apply(pd.to_datetime)

df['output'] = (df.merge(df, on='ownerId', suffixes=('','_y'))
                  .query('startdate <= enddate_y <= enddate')
                  .groupby('id')['value_y']
                  .sum()
                  .to_numpy())

print(df)

---

起初我忽略了这个细节。现在我更正了我的解决方案。哇！我花了大约3个小时的时间试图让这项工作可能过于专注于groupby解决方案，这是一种错误的思维方式。。。谢谢你非常准确和快速的回答最初我错过了这个细节。现在我更正了我的解决方案。哇！我花了大约3个小时的时间试图让这项工作可能过于专注于groupby解决方案，这是一种错误的思维方式。。。谢谢你的准确快速的回答。非常感谢。事实上，这种方法非常有效。我仍然不确定为什么需要按id分组，因为在我的例子中，id是唯一的键。由于笛卡尔连接，这个合并selfjion解决方案将创建具有相同id的多行。因此，为了得到总数，您需要按ID分组。@Valdi_-Bo解决方案更好。非常感谢。事实上，这种方法非常有效。我仍然不确定为什么需要按id分组，因为在我的例子中，id是唯一的键。由于笛卡尔连接，这个合并selfjion解决方案将创建具有相同id的多行。所以，为了得到总和，你需要按ID分组。@Valdi_-Bo解决方案更好。