如何在Pandas中匹配日期区间并提取关联Items数据？

问题背景 #

现有两个Pandas DataFrame：历史数据hist和消耗数据consume，定义如下：

import pandas as pd

hist = pd.DataFrame({'date':['Jan1','Jan2', 'Jan3', 'Jan4'], 'Items':[['A','V'], ['D','C'],['F','X'],['Q','H']]})

consume = pd.DataFrame({'date':['Jan2','Jan4'], 'values':[100, 50]})
consume['delta'] = consume['values'].diff()

consume表初始数据：

需求 #

提取Jan2到Jan3（不含Jan4）的所有Items，将其对应到consume表中Jan4行的delta记录，最终得到目标表：

解决方案 #

直接通过两步操作即可实现需求：

# 1. 筛选Jan2到Jan3的Items并合并成一个列表
target_items = hist[(hist['date'] >= 'Jan2') & (hist['date'] < 'Jan4')]['Items'].sum()

# 2. 给consume新增列并赋值
consume['item_consumed'] = pd.NA
consume.loc[consume['date'] == 'Jan4', 'item_consumed'] = [target_items]

# 查看结果
print(consume)

运行后输出结果：

date  values  delta item_consumed
0  Jan2     100    NaN           <NA>
1  Jan4      50  -50.0    [D, C, F, X]

代码说明 #

• 利用字符串比较筛选目标日期区间：因为日期是JanX格式，直接用>=和<就能完成区间判断
• 通过.sum()合并多行列表：把['D','C']和['F','X']直接合并成一个完整列表
• 先初始化item_consumed列为缺失值，再通过loc精准定位Jan4行赋值，避免其他行被污染

如果你的日期格式更复杂（比如带年份），建议先把date列转为日期类型再筛选：

# 转换日期格式
hist['date'] = pd.to_datetime(hist['date'], format='%b%d')
consume['date'] = pd.to_datetime(consume['date'], format='%b%d')

# 按日期区间筛选
target_items = hist[(hist['date'] >= '2024-01-02') & (hist['date'] <= '2024-01-03')]['Items'].sum()

内容的提问来源于stack exchange，提问作者Learning