Python 评估df每行中的日期时间函数是否在另一df中的日期时间范围内

我是python新手，需要一些关于日期时间函数的问题的帮助

我有

dfu a

，它有一个标题为

time

的列，我正试图在此

dfu a

中创建一个新列

id

我希望

id

列通过时间是否包含在

df_b

列的“日期”和“日期新”之间的时间范围内来确定，例如，第一行的日期为“2019-01-07 20:52:41”，而“日期新”为“2019-01-07 21:07:41”（15分钟的时间间隔），我想要这一行的索引，当时间为“2019-01-07 20:56:30”（即id=0）时，在

df_a

中显示为我的id，以此类推，用于

df_a

中的所有行

这个问题很相似，但我不知道如何让它与我的工作，因为我一直在努力

ValueError:无法处理非唯一索引

需要注意的是，df_b中的范围并不总是唯一的，这意味着某些间隔包含相同的时间段，在这些情况下，如果它使用它所属的df_b中第一个时间段的id，则可以忽略，此外，df_b中有200多行，df_a中有2000行，因此，以for循环类型格式定义每个时间段需要很长时间，除非有比定义每个时间段更简单的方法，请提前感谢您的帮助！如果这可以使用任何澄清，请让我知道

df_a

time                    id
2019-01-07 22:02:56     NaN
2019-01-07 21:57:12     NaN
2019-01-08 09:35:30     NaN


df_b

date                    date_new               id
2019-01-07 21:50:56    2019-01-07 22:05:56     0
2019-01-08 09:30:30    2019-01-08 09:45:30     1

Expected Result

df_a     
time                    id
2019-01-07 22:02:56     0
2019-01-07 21:57:12     0
2019-01-08 09:35:30     1

---

让我重新解释一下你的问题。对于数据帧

df_a

中的每一行，您要检查

df_a['time']

中的值是否在

df_b['date']

和

df_b['date_new']列中的值给定的间隔内。如果是，请将
df_a[“id”]
中的值设置为相应的
df_b[“id”]
中的值

如果这是您的问题，这是一个（非常粗略的）解决方案：

for ia, ra in df_a.iterrows():
    for ib, rb in df_b.iterrows():
        if (ra["time"]>=rb['date']) & (ra["time"]<=rb['date_new']):
            df_a.loc[ia, "id"] = rb["id"]
            break

df_a.iterrows（）中ia、ra的

对于ib，df_b.ItErrors（）中的rb：
如果（ra[“time”]>=rb['date']）和（ra[“time”]pandas对非相等联接没有很好的支持，这正是您所寻找的，但它确实有一个函数
merge\u asof
，您可能想签出该函数：

这将大大加快您的加入速度

例如：

df_a = pd.DataFrame({'time': ['2019-01-07 22:02:56', '2019-01-07 21:57:12', '2019-01-08 09:35:30']})
df_b = pd.DataFrame({'date': ['2019-01-07 21:50:56', '2019-01-08 09:30:30'], 'date_new': ['2019-01-07 22:05:56', '2019-01-08 09:45:30'], 'id':[0,1]})
df_a['time'] = pd.to_datetime(df_a['time'])
df_b['date'] = pd.to_datetime(df_b['date'])
df_b['date_new'] = pd.to_datetime(df_b['date_new'])

#you need to sort df_a first before using merge_asof
df_a.sort_values('time',inplace=True)
result = pd.merge_asof(df_a, df_b, left_on='time', right_on='date')

#get rid of rows where df_a.time values are greater than df_b's new date
result = result[result.date_new > result.time]

请提供您的数据帧和预期结果的示例。请注意，
df_a[“time”]
中的最后一个值在预期结果中有不同的值（2019-01-08与2019-01-07）。感谢您的更正，是的，它应该是01-08嘿，非常感谢您的帮助！这很有效，但它确实需要很长时间才能运行
df_a = pd.DataFrame({'time': ['2019-01-07 22:02:56', '2019-01-07 21:57:12', '2019-01-08 09:35:30']})
df_b = pd.DataFrame({'date': ['2019-01-07 21:50:56', '2019-01-08 09:30:30'], 'date_new': ['2019-01-07 22:05:56', '2019-01-08 09:45:30'], 'id':[0,1]})
df_a['time'] = pd.to_datetime(df_a['time'])
df_b['date'] = pd.to_datetime(df_b['date'])
df_b['date_new'] = pd.to_datetime(df_b['date_new'])

#you need to sort df_a first before using merge_asof
df_a.sort_values('time',inplace=True)
result = pd.merge_asof(df_a, df_b, left_on='time', right_on='date')

#get rid of rows where df_a.time values are greater than df_b's new date
result = result[result.date_new > result.time]