合并两个日期字段在两个月内的 pandas DataFrame

Posted 2023-03-12

【中文标题】合并两个日期字段在两个月内的 pandas DataFrame

【英文标题】：Combine two pandas DataFrames where the date fields are within two months of each other

【发布时间】：2017-09-19 03:22:23

【问题描述】：

我需要合并 df1.date 在 df2 前 2 个月内的 2 个 pandas 数据帧。然后我想计算在此期间有多少交易者交易了同一只股票并计算购买的总股票。

我尝试过使用下面列出的方法，但发现它太复杂了。我相信会有更智能/更简单的解决方案。

Pandas: how to merge two dataframes on offset dates?

示例数据集如下：

DF1 (team_1)：

date        shares  symbol  trader
31/12/2013  154     FDX     Max
30/06/2016  2367    GOOGL   Max
21/07/2015  293     ORCL    Max
18/07/2015  304     ORCL    Sam

DF2（团队_2）：

date        shares  symbol  trader
23/08/2015  345     ORCL    John
04/07/2014  567     FB      John
06/12/2013  221     ACER    Sally
31/11/2012  889     HP      John
05/06/2010  445     ABBV    Kate

需要的输出：

date        shares  symbol  trader  team_2_traders  team_2_shares_bought
23/08/2015  345     ORCL    John    2               597
04/07/2014  567     FB      John    0               0
06/12/2013  221     ACER    Sally   0               0
31/11/2012  889     HP      John    0               0
05/06/2010  445     ABBV    Kate    0               0

这会添加 2 个新列... 'team_2_traders' = 从 DF2 上列出的日期算起的前 2 个月内，有多少来自 team_1 的交易者交易了相同的股票。 'team_2_shares_bought' = team_1 自 DF2 上市之日起过去 2 个月内购买的总股份数。

如果有人愿意对此进行破解，请使用下面的 sn-p 设置数据帧。请记住，实际数据集包含数百万行和 6,000 支公司股票。

team_1 = 'symbol':['FDX','GOOGL','ORCL','ORCL'], 
          'date':['31/12/2013','30/06/2016','21/07/2015','18/07/2015'], 
          'shares':[154,2367,293,304],
          'trader':['Max','Max','Max','Sam']
df1 = pd.DataFrame(team_1)

team_2 = 'symbol':['ORCL','FB','ACER','HP','ABBV'],
          'date':['23/08/2015','04/07/2014','06/12/2013','31/11/2012','05/06/2010'],
          'shares':[345,567,221,889,445],
          'trader':['John','John','Sally','John','Kate']

df2 = pd.DataFrame(team_2)

感谢您的帮助 - 谢谢。

【参考方案1】：

请检查我的解决方案。

from pandas.tseries.offsets import MonthEnd

df_ = df2.merge(df1, on=['symbol'])
df_['date_x'] = pd.to_datetime(df_['date_x'])
df_['date_y'] = pd.to_datetime(df_['date_y'])

df_2m = df_[df_['date_x'] < df_['date_y'] + MonthEnd(2)] \
        .loc[:, ['date_y', 'shares_y', 'symbol', 'trader_y']] \
        .groupby('symbol')

df1_ = pd.concat([df_2m['shares_y'].sum(), df_2m['trader_y'].count()], axis=1)

print(df1_)

        shares_y  trader_y
symbol                    
ORCL         597         2

print(df2.merge(df1_.reset_index(), on='symbol', how='left').fillna(0))

         date  shares symbol trader  shares_y  trader_y
0  23/08/2015     345   ORCL   John     597.0       2.0
1  04/07/2014     567     FB   John       0.0       0.0
2  06/12/2013     221   ACER  Sally       0.0       0.0
3  30/11/2012     889     HP   John       0.0       0.0
4  05/06/2010     445   ABBV   Kate       0.0       0.0

【讨论】：

谢谢，但您的解决方案不包括所需的日期范围内查找。

哦，我错过了约束，请再次检查。我更新了代码。

效果很好，谢谢！稍后我将在大数据集上进行尝试。干杯！