Python：如何在每个 ID 的日期之间填充行？

Question

目标：我想把每个月的现任和离任成员都绘制出来。

所以我有两个数据框（见下文）：数据框 A 有一个 ID、他们加入俱乐部的日期和 YTD 日期。 数据框 B 具有每个 ID 的开始日期、结束日期和成员资格类型。

我想在 Dataframe A 中填充显示会员类型以及活动和终止标志的新列。

从概念上讲，我什至不确定如何在 Python、Excel 甚至 SQL 上解决这个问题。如果是针对一个事件和一个 ID，我可以简单地在 Python 上创建一个掩码。但我不确定如何在数据帧之间循环它。有什么建议吗？

数据框 A

ID	Date	Created Date
123	2001-03-01	2001-03-01
123	2001-04-01	2001-03-01
123	2001-05-01	2001-03-01
123	2001-06-01	2001-03-01
456	2001-05-01	2001-05-01
456	2001-06-01	2001-05-01

数据框 B

ID	Start Date	End Date	Membership
123	2001-03-01	2001-04-30	Bronze
123	2001-05-01	2001-06-01	Iron
456	2001-05-01	2001-06-30	Gold

期望的输出

ID	Date	Join Date	Leave Date	Active	Termination
123	2001-03-01	2001-03-05	2001-06-30	1
123	2001-04-01	2001-03-05	2001-06-30	1
123	2001-05-01	2001-03-05	2001-06-30	1
123	2001-06-01	2001-03-05	2001-06-30		1
456	2001-05-01	2001-05-01	2001-06-30	1
456	2001-06-01	2001-05-01	2001-06-30		1

Answer 1

首先，您应该确保所需的所有日期都是日期时间格式。

接下来，获取唯一 ID 的加入日期和离开日期。

将它们合并在一起并创建列，然后根据条件进行过滤。

示例代码：

df_a["Date"] = pd.to_datetime(df_a["Date"], errors = 'coerce')
df_b["Start Date"] = pd.to_datetime(df_b["Start Date"], errors = 'coerce')
df_b["End Date"] = pd.to_datetime(df_b["End Date"], errors = 'coerce')

df_join = df_a.groupby(by="ID", as_index=False).agg({"Start Date": "min"}).rename(columns={"Start Date": "Join Date"}, inplace=True)
df_leave = df_b.groupby(by="ID", as_index=False).agg({"End Date": "min"}).rename(columns={"End Date": "Leave Date"}, inplace=True)

df = pd.merge(df_a, df_join, on="ID", how="left")
df = pd.merge(df, df_leave, on="ID", how="left")

df["Active"] = (df["Date"].dt.to_period('M') < df["Leave Date"].dt.to_period('M'))
df["Termination"] = (df["Date"].dt.to_period('M') >= df["Leave Date"].dt.to_period('M'))

此答案将采用布尔格式。如果你想采用数字格式

df.loc[df["Active"] == True, "Active"] = 1
df.loc[df["Termination"] == True, "Termination"] = 1