Python 熊猫-计算其他日期之间的日期

我有一个数据集，其中每个记录有5个日期值，然后是另一个日期变量。我想取5个日期中最小的一个大于另一个变量，或者取5个日期中最大的一个小于另一个变量。例如：

date1 date2 date3 date4 date5 date_var result1 result2
jan1  feb1  apr1  sep1  dec1  mar1     apr1    feb1

所以基本上，我们的目标是找出两个日期中的哪一个（这里是2月-4月），然后取较小或较大的一个。如果重要，则输入数据已被清除，使得所有日期的日期1 我的解决办法是：

df.loc[df.date_var > date5,'result2'] = date5
df.loc[(df.date_var <= date5) & (df.date_var > date4),'result2'] = date4
df.loc[(df.date_var <= date4) & (df.date_var > date3),'result2'] = date3
...

df.loc[df.date\u var>date5，'result2']=date5
df.loc[（df.date\u var date4），'result2']=date4
df.loc[（df.date\u var date3），'result2']=date3
...

---

但这是非常缓慢的。有没有更快的方法来完成这个操作，或者这只是一个缓慢的过程？谢谢。

这是我对这个问题的理解

• 我们有5个日期，d1
• 我们还得到了一个目标日期

---

• 我发现d_i可以请你澄清这个例子的结果是什么？对于您的示例，我看不出是否有任何天数介于result1和result2之间。这里的答案是NA吗？result1和result2是函数的输出，您可以在示例中看到date_var介于date2和date3之间，因此这些结果只是这些列的值：feb1和apr1。我明白了。为什么不提取not na日期，并将日期的+1索引作为结果1返回，将-1索引作为结果2返回（假设对日期进行了排序，如果不对日期进行排序并删除na值，则执行此操作。）我不明白，您可以将要使用的代码放在下面吗？结果将取决于两个日期之间的日期，所以我试图找出如何进行比较。是的，这正是我想要的，谢谢。寻找较小的最大值或较大的最小值，这应该比检查4个间隔中的每一个来确定它属于哪一个要快得多。谢谢

  from collections import namedtuple
  import pandas as pd
  
  # create sample data
  Record = namedtuple('Record', 'd1 d2 d3 d4 d5 target')
  
  df = pd.DataFrame([
      Record('2019-01-01', '2019-02-01', '2019-04-01', '2019-09-01', '2019-12-01', '2019-03-01'),
      Record('2020-01-01', '2020-02-01', '2020-04-01', '2020-09-01', '2020-12-01', '2020-03-01'),
  ])
  df = df.astype('datetime64[D]')
  
  # define function to find lower, upper bounding dates
  def find_bound(s, target, metric='min'):
      assert isinstance(s, pd.Series)
      
      if metric == 'min':
          return s[s <= target].max()
      else:
          return s[s > target].min()
  
  df['min'] = df.apply(lambda x: find_bound(x['d1':'d5'], x['target'], 'min'), axis=1)
  df['max'] = df.apply(lambda x: find_bound(x['d1':'d5'], x['target'], 'max'), axis=1)
  
  # verify that lower, upper bounds are correct
  df['validate'] = (df['min'] <= df['target']) & (df['target'] < df['max'])
  print(df.transpose())
  
                     0           1
  d1        2019-01-01  2020-01-01
  d2        2019-02-01  2020-02-01
  d3        2019-04-01  2020-04-01
  d4        2019-09-01  2020-09-01
  d5        2019-12-01  2020-12-01
  target    2019-03-01  2020-03-01
  min       2019-02-01  2020-02-01 <- result 1
  max       2019-04-01  2020-04-01 <- result 2
  validate        True        True