Pandas跨DataFrame按日期区间匹配赋值及np.dot报错处理
解决方法
首先要先把所有日期列转换为datetime格式,避免字符串比较出现异常,你出现形状不匹配的错误大概率是日期格式未转换或者变量名对应错误导致的,你贴的参考代码里Promo_Data对应你的df_B,Cycle_Mapping对应你的df_A。
import pandas as pd import numpy as np # 统一转换日期格式 df_A['Date'] = pd.to_datetime(df_A['Date'], format='%d.%m.%Y') df_B['From_Date'] = pd.to_datetime(df_B['From_Date'], format='%d.%m.%Y') df_B['To_Date'] = pd.to_datetime(df_B['To_Date'], format='%d.%m.%Y')
方法1:修正原np.dot逻辑实现
这个方法适合每个df_B的区间最多对应唯一Cycle值的场景,和你的示例匹配:
s1 = df_B['From_Date'].values s2 = df_B['To_Date'].values # 将df_A的日期转为列向量做广播比较 a_date_col = df_A['Date'].values[:, None] match_matrix = (a_date_col >= s1) & (a_date_col <= s2) df_B['Cycle'] = np.dot(match_matrix, df_A['Cycle'].values)
方法2:用pandas原生merge_asof实现(更稳定,推荐)
不需要手动处理数组维度,即使单个区间存在多个Cycle值也能稳定取到最近匹配的结果:
# merge_asof要求匹配键排序,先对两个表按日期排序 df_a_sorted = df_A.sort_values('Date') df_b_sorted = df_B.sort_values('From_Date') # 按From_Date匹配最近的df_A日期 df_res = pd.merge_asof( df_b_sorted, df_a_sorted, left_on='From_Date', right_on='Date', direction='backward' ) # 清理多余列,可按需把日期转回原字符串格式 df_res = df_res.drop(columns='Date') df_res['From_Date'] = df_res['From_Date'].dt.strftime('%d.%m.%Y') df_res['To_Date'] = df_res['To_Date'].dt.strftime('%d.%m.%Y')
执行后得到的df_res就是你需要的包含三列的结果。
内容的提问来源于stack exchange,提问作者Biplab1985
相关产品推荐
相关产品推荐

