在Python中，在列之间减去日期，条件是只减去同一年内的日期

因此，我正在进行一个项目，需要确定多个设备启动指标。为了确定发布指标，我需要一行代码来搜索序列中的唯一日期列表，并减去具有相同年份的日期。因此，如果SV_日期为2015/03/05，代码将通过系列“发布日期”查找该年的匹配项（例如2015/06/22），然后减去日期。函数的作用是：检查结果是否在0到30天的范围内，并返回一个布尔值。最后，如果为True，则astype（int）返回1

当我运行代码时，我遇到两条错误消息。第一个错误和真值不明确有关，因为我比较了两列

def day_diff(end,start):

    ed = pd.to_datetime(end)

    sd = pd.to_datetime(start)

    #if ed.dt.year == sd.year:

    return (ed-sd).dt.days

 data['AL030'] = day_diff(data['SV_DATE'],data_2.loc[(data_2['MFG'] == 'APPLE') & (pd.Series(pd.DatetimeIndex(data_2['Launch Date'])).dt.year == pd.Series(pd.DatetimeIndex(data['SV_DATE'])).dt.year), 'Launch Date']).between(0,30).astype(int)

为了让代码运行，我需要硬编码年份，而不是让代码搜索一列日期。当我这样做的时候，代码就工作了

data['AL030'] = day_diff(data['SV_DATE'],data_2.loc[(data_2['MFG'] == 'APPLE') & (pd.Series(pd.DatetimeIndex(data_2['Launch Date'])).dt.year == 2017), 'Launch Date'].apply(lambda x:x.date().strftime('%Y-%m-%d'))).between(0,30).astype(int)

我在添加unique（）函数之前就遇到了这个错误，这给了我一个新的错误：“ValueError:无法添加长度不等的索引”

data['AL030'] = day_diff(data['SV_DATE'],data_2.loc[(data_2['MFG'] == 'APPLE') & (pd.Series(pd.DatetimeIndex(data_2['Launch Date'])).dt.year == 2017), 'Launch Date'].apply(lambda x:x.date().strftime('%Y-%m-%d')).unique()).between(0,30).astype(int)

如果我不想比较两列之间的年份，那么这段代码就足够了：

data['AL030'] = day_diff(data['SV_DATE'],data_2.loc[(data_2['MFG'] == 'APPLE'), 'Launch Date']).between(0,60).astype(int)

最后，我尝试在R中优化这段代码，以返回相同的值，而不使用类似于launch.ind one的函数，同时双重添加年份条件以减少运行时间：

day_diff = function(end,start){

  x = difftime(end,start,units=c("days"))

  return(x)

}

 

launch.ind = function(ship.date,launch.date,low,high){

  y = rep(0,length(data$SV_DATE))

  for (i in seq(length(data$SV_DATE))){

    y[i] = sum(ifelse((day_diff(ship.date[i],launch.date)>=low)&(day_diff(ship.date[i],launch.date)<=high),1,0))

    y[i] = ifelse(y[i] > 0, 1, 0)

  }

  return(y)

}
###############################

# Add launch indicators

data$AL030 = launch.ind(data$SV_DATE,unique(data_2$"Launch Date"[toupper(data_2$MFG)=="APPLE"]),0,30)

day_diff=功能（结束、开始）{
x=difftime（结束、开始，单位=c（“天”）
返回（x）
}
launch.ind=功能（发货日期、发货日期、低位、高位）{
y=代表（0，长度（数据$SV_日期））
对于（i，长度（数据$SV_日期）））{
y[i]=总和（如果其他（（日差（发货日期[i]，下水日期）>=低）和（日差（发货日期[i]，下水日期）0,1,0）
}
返回（y）
}
###############################
#添加启动指示器
数据$AL030=launch.ind（数据$SV_DATE，唯一（数据$2$“launch DATE”[toupper（数据$MFG）==“APPLE”]），0,30）

我感谢任何试图提供帮助的人，我愿意接受帮助澄清任何不清楚的建议

Python

---

伪造数据：

import pandas as pd

data_1 = pd.DataFrame({
    'SV_DATE': pd.to_datetime(['2015/03/05', '2015/03/10', '2016/01/01'])
})

data_2 = pd.DataFrame({
    'Launch Date': pd.to_datetime(['2015/03/05', '2015/12/01', '2016/01/01', '2017/01/01']),
    'MFG': ['APPLE', 'WINDOWS', 'APPLE', 'WINDOWS']
})

print(data_1)

     SV_DATE
0 2015-03-05
1 2015-03-10
2 2016-01-01

print(data_2)

  Launch Date      MFG
0  2015-03-05    APPLE
1  2015-12-01  WINDOWS
2  2016-01-01    APPLE
3  2017-01-01  WINDOWS

如果我没有弄错，您可以合并筛选数据2（仅限带有

MFG==APPLE

的行），按年份合并两个数据帧，按年份计算日期之间的差异，然后验证它们是否在所需范围内

（0,30）

：

输出：

     SV_DATE  Year  Index Launch Date    MFG  Diff  in_target_range
0 2015-03-05  2015      0  2015-03-05  APPLE     0             True
1 2015-03-10  2015      1  2015-03-05  APPLE     5             True
2 2016-01-01  2016      2  2016-01-01  APPLE     0             True

我想，通过这个输出，您可以做任何您想做的事情。请注意，我保留了一个索引列，以便在

data\u 1

中检索这些行

R

---

使用R的类似方法：

library(dplyr)

# Fake data
data_1 <- data.frame(SV_DATE = as.Date(c('2015/03/05', '2015/03/10', '2016/01/01')))

data_2 <- data.frame (
  Launch_Date = as.Date(c('2015/03/05', '2015/12/01', '2016/01/01', '2017/01/01')),
  MFG = c('APPLE', 'WINDOWS', 'APPLE', 'WINDOWS')
)

# Merge and filters
data_2 <- data_2 %>%
  mutate(Year = format(Launch_Date, "%Y")) %>%
  filter(MFG=="APPLE")

data <- data_1 %>% 
  mutate(Year = format(SV_DATE, "%Y"), Index = 1:nrow(.)) %>%
  inner_join(., mutate(data_2, Year=format(Launch_Date, "%Y")), by = "Year") %>%
  group_by(Year) %>%
  mutate(Diff = as.integer(SV_DATE - Launch_Date)) %>%
  mutate(in_target_range = between(Diff, 0, 30))

笔记

---

虽然这段代码适用于我提供的虚假数据，但它可能不适用于您。无论如何，我相信它提供了一些通过修改来实现您的目标的方法

另外，请注意，我在两个代码块中将

保留为布尔值，但您可以分别使用Python和R中的
.astype（int）
和
as.integer（…）
将其更改为整数。
Python

伪造数据：

import pandas as pd

data_1 = pd.DataFrame({
    'SV_DATE': pd.to_datetime(['2015/03/05', '2015/03/10', '2016/01/01'])
})

data_2 = pd.DataFrame({
    'Launch Date': pd.to_datetime(['2015/03/05', '2015/12/01', '2016/01/01', '2017/01/01']),
    'MFG': ['APPLE', 'WINDOWS', 'APPLE', 'WINDOWS']
})

print(data_1)

     SV_DATE
0 2015-03-05
1 2015-03-10
2 2016-01-01

print(data_2)

  Launch Date      MFG
0  2015-03-05    APPLE
1  2015-12-01  WINDOWS
2  2016-01-01    APPLE
3  2017-01-01  WINDOWS

如果我没有弄错，您可以合并筛选数据2（仅限带有
MFG==APPLE
的行），按年份合并两个数据帧，按年份计算日期之间的差异，然后验证它们是否在所需范围内
（0,30）
：

输出：

     SV_DATE  Year  Index Launch Date    MFG  Diff  in_target_range
0 2015-03-05  2015      0  2015-03-05  APPLE     0             True
1 2015-03-10  2015      1  2015-03-05  APPLE     5             True
2 2016-01-01  2016      2  2016-01-01  APPLE     0             True

我想，通过这个输出，您可以做任何您想做的事情。请注意，我保留了一个索引列，以便在
data\u 1
中检索这些行

R

使用R的类似方法：

library(dplyr)

# Fake data
data_1 <- data.frame(SV_DATE = as.Date(c('2015/03/05', '2015/03/10', '2016/01/01')))

data_2 <- data.frame (
  Launch_Date = as.Date(c('2015/03/05', '2015/12/01', '2016/01/01', '2017/01/01')),
  MFG = c('APPLE', 'WINDOWS', 'APPLE', 'WINDOWS')
)

# Merge and filters
data_2 <- data_2 %>%
  mutate(Year = format(Launch_Date, "%Y")) %>%
  filter(MFG=="APPLE")

data <- data_1 %>% 
  mutate(Year = format(SV_DATE, "%Y"), Index = 1:nrow(.)) %>%
  inner_join(., mutate(data_2, Year=format(Launch_Date, "%Y")), by = "Year") %>%
  group_by(Year) %>%
  mutate(Diff = as.integer(SV_DATE - Launch_Date)) %>%
  mutate(in_target_range = between(Diff, 0, 30))

笔记

虽然这段代码适用于我提供的虚假数据，但它可能不适用于您。无论如何，我相信它提供了一些通过修改来实现您的目标的方法

另外，请注意，我在两个代码块中将
保留为布尔值，但您可以使用
.astype（int）
和
将其更改为整数（…）
分别在Python和R中使用。
请发布
数据
和
数据2
的示例。请参见。除此之外，比较不同数据帧中的列几乎不是一个好主意。尝试合并，然后运行条件逻辑。在R代码中，向量
中有多少值是唯一的（data_2$“Launch Date”[toupper（data_2$MFG）=“APPLE”]
？它应该是一个或
，否则
会因长度不同而引发错误。实际上，R和Pandas代码不一致。R不是返回天数，而是在低阈值和高阈值之间（即0到30天之间）满足条件的次数。请发布
数据
和
数据2
的示例。请参阅。除此之外，比较不同数据帧中的列几乎不是一个好主意。尝试合并，然后运行条件逻辑。在R代码中，向量
中有多少值是唯一的（data_2$“Launch Date”[toupper（data_2$MFG）=“APPLE”]
？它应该是一个或
，否则
将因长度不同而引发错误。实际上，R和Pandas代码不一致。R不是返回天数，而是在低阈值和高阈值之间（即0到30天之间）满足条件的次数。