如何从遍历两个数据框并动态追加中提取特定值？

Question

我正在尝试执行一种多步骤方式，使用现有数据框中的值来创建子数据框（或系列），并将这些值与现有数据框进行比较，最终在原始数据框中创建一个新列。

一步一步的过程是：

• 创建一个数据帧，根据原始数据帧 df1 中的日期隔离每个月内的最小日期 (df2)，并且已成功创建。
• 第二步是将 actual_date (df1) 匹配到 min_date (df2) 的位置，然后取 extract_value ( df1) 并将其存储在 df1 中，用于实际日期与 min_date 匹配的所有实例。

我尝试过但收到错误的一些尝试是： 比较 dfs 之间的日期值：

df1.loc[df1['actual_date']==df2[df2['min_date']]
#Produces unexpected EOF while parsing

df['actual_date']==df2['min_date']
#Produces ValueError: Can only compare identically-labeled Series objects

遍历条件：

for each in range(len(df1):
    if df1[df1['actual_date']]==df2[df2['min_date']]:
        df1['exctract_value_new']=df2['extract_value']

#Produces: KeyError: "None of [DatetimeIndex....are in the [columns]"

我已尝试搜索值和键错误，但无法理解有关索引的线程。具体来说，我不确定如何重新格式化 df1 和/或 df2 以便以这种方式比较日期值，然后根据两个数据帧中的条件何时匹配来提取单独的列。

这是使用的示例数据：

df1（基础）

actual_date	extract_value
2021-01-22	22
2021-01-23	24
2021-01-24	15
2021-02-22	16
2021-02-05	34
2021-02-04	18

df2

month	min_date
2021-01-01	2021-01-22
2021-02-01	2021-02-04
2021-03-01	2021-03-01

df1 的最终目标

actual_date	min_date	extract_value_new	extract_value_original
2021-01-22	2021-01-22	22	22
2021-01-23	2021-01-22	22	24
2021-02-04	2021-02-04	18	18
2021-02-05	2021-02-04	18	34

感谢任何帮助！

Answer 1

您可能想查看pd.merge_asof...这里的解决方案给了我想要的表格！

merge_asof 本质上让我们可以加入两列中“最接近”的值。

import pandas as pd
import requests
from datetime import datetime, timedelta


df1 = pd.read_csv('df1.csv')
df2 = pd.read_csv('df2.csv')

datetime_format = '%Y-%m-%d'  # format of date (needs to be a datetime to merge in pandas)
tolerance = timedelta(days=1)  # the tolerance to join dates on

# convert our dates
df1['actual_date'] = pd.to_datetime(df1['actual_date'], format=datetime_format)
df2['min_date'] = pd.to_datetime(df2['min_date'], format=datetime_format)

# sort...
df1.sort_values(by='actual_date', inplace=True)

out = pd.merge_asof(df1, df2, left_on='actual_date', right_on='min_date', tolerance=tolerance).dropna()

给我：

  actual_date  extract_value       month   min_date
0  2021-01-22             22  2021-01-01 2021-01-22
1  2021-01-23             24  2021-01-01 2021-01-22
3  2021-02-04             18  2021-02-01 2021-02-04
4  2021-02-05             34  2021-02-01 2021-02-04