如何按美国总统任期合并并汇总年度GDP数据集？

需求说明 #

现有两个DataFrame：

1. 年度GDP数据：

date  GDP
1933   1.2
...    ...
2015   3.2

2. 美国总统任期数据（已将start/end转为datetime64类型）：

start              end            president               party                              
1933-03-04  1941-01-20  Franklin D. Roosevelt   Democratic  
1945-04-12  1953-01-20  Harry S. Truman         Democratic  
1953-01-20  1961-01-20  Dwight D. Eisenhower    Republican  
... 
2017-01-20  2021-01-20  Donald Trump            Republican  

需要自动匹配每个总统任期对应的年度GDP并求和，无需手动计算。

实现方案 #

方法1：逐行应用计算（适合小数据集） #

步骤1：预处理GDP数据

将GDP的date列转为datetime类型，对应年度的起始日期：

import pandas as pd

# 转换GDP的date列为datetime
gdp_df['date'] = pd.to_datetime(gdp_df['date'], format='%Y')

步骤2：定义求和函数并应用

通过apply遍历每个总统任期，筛选出与任期有重叠的年度GDP并求和：

def get_term_gdp(row):
    # 判断年度区间（date到date+1年）是否与总统任期有重叠
    mask = (gdp_df['date'] <= row['end']) & (gdp_df['date'] + pd.DateOffset(years=1) > row['start'])
    return gdp_df.loc[mask, 'GDP'].sum()

# 给总统任期DataFrame添加GDP总和列
presidents_df['GDP'] = presidents_df.apply(get_term_gdp, axis=1)

方法2：矢量化匹配（适合大数据集） #

用交叉连接+筛选+分组求和的方式，效率更高：

# 交叉连接两个DataFrame
cross_df = pd.merge(gdp_df.assign(key=1), presidents_df.assign(key=1), on='key').drop('key', axis=1)
# 添加年度结束日期列
cross_df['year_end'] = cross_df['date'] + pd.DateOffset(years=1)
# 筛选出年度与任期重叠的记录
valid_records = cross_df[(cross_df['date'] <= cross_df['end']) & (cross_df['year_end'] > cross_df['start'])]
# 按任期分组求和
result_df = valid_records.groupby(['start', 'end', 'president', 'party'])['GDP'].sum().reset_index()

逻辑说明 #

• 核心判断逻辑：只要某年度的时间范围（1月1日至12月31日）与总统任期有任何重叠，就将该年度GDP计入总和（符合多数统计场景）。
• 若需仅统计完全被任期覆盖的年度，可将筛选条件改为：

  mask = (gdp_df['date'] >= row['start']) & (gdp_df['date'] + pd.DateOffset(years=1) <= row['end'])
  

内容的提问来源于stack exchange，提问作者Jagernout1985