我如何知道两行的日期范围是否重叠？
输入数据框：
| A |
B |
Start |
End |
Timestamp |
| A1 |
B1 |
2022-01-15 |
2022-02-15 |
2021-05-17 |
| A1 |
B1 |
2021-07-15 |
2021-10-17 |
2021-05-17 |
| A1 |
B1 |
2021-07-30 |
2021-10-02 |
2021-05-16 |
| A1 |
B2 |
2022-01-01 |
2023-01-01 |
2021-05-17 |
| A1 |
B2 |
2021-06-02 |
2021-06-04 |
2021-05-16 |
| A2 |
B3 |
2021-05-10 |
2021-05-12 |
2021-05-17 |
| A2 |
B3 |
2021-04-10 |
2021-06-12 |
2021-05-16 |
| A2 |
B4 |
2021-06-02 |
2021-06-04 |
2021-05-17 |
我想知道如何识别同一组的两行（A 和 B）之间是否存在重叠。例如，在第 0、1 和 2 行中，它们属于同一组（A1 和 B1），但第 1 行和第 2 行之间仅存在重叠，因为它们共享日期范围的一部分，因此我想要的是保留该行如果存在重叠，则具有最高时间戳。但例如在第 3 行和第 4 行中，尽管它们属于同一组（A1 和 B2），因为它们的日期之间没有重叠，但我想保留这两个日期。怎么可能呢？
预期数据框：
| A |
B |
Start |
End |
Timestamp |
| A1 |
B1 |
2022-01-15 |
2022-02-15 |
2021-05-17 |
| A1 |
B1 |
2021-07-15 |
2021-10-17 |
2021-05-17 |
| A1 |
B2 |
2022-01-01 |
2023-01-01 |
2021-05-17 |
| A1 |
B2 |
2021-06-02 |
2021-06-04 |
2021-05-16 |
| A2 |
B3 |
2021-05-10 |
2021-05-12 |
2021-05-17 |
| A2 |
B4 |
2021-06-02 |
2021-06-04 |
2021-05-17 |
您可以使用：
- 如果日期尚未在日期时间中，则可以选择将日期转换为日期时间
df['Start'] = pd.to_datetime(df['Start'])
df['End'] = pd.to_datetime(df['End'])
df['Timestamp'] = pd.to_datetime(df['Timestamp'])
- 对值进行排序以方便连续行之间的日期比较
df = df.sort_values(['A', 'B', 'Start', 'End'])
- 设置同一组内的组号
A and B对于不重叠的日期范围：通过比较Start排序行中的日期大于End上一行的日期（这将是非重叠的日期范围）。所有组编号均相对于同一组内A and B.
group = (df['Start'] > df.groupby(['A', 'B'])['End'].shift()).groupby([df['A'], df['B']]).cumsum()
- 通过...分组
A and B和重叠的组号（由新创建的group) 并获取最高索引Timestamp by idxmax(). Use .loc过滤此类行（具有最高Timestamp成组）保留。最后.sort_index()在排序之前恢复原始数据帧的顺序。
df.loc[df.groupby([df['A'], df['B'], group])['Timestamp'].idxmax()].sort_index()
Result:
A B Start End Timestamp
0 A1 B1 2022-01-15 2022-02-15 2021-05-17
1 A1 B1 2021-07-15 2021-10-17 2021-05-17
3 A1 B2 2022-01-01 2023-01-01 2021-05-17
4 A1 B2 2021-06-02 2021-06-04 2021-05-16
5 A2 B3 2021-05-10 2021-05-12 2021-05-17
7 A2 B4 2021-06-02 2021-06-04 2021-05-17
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
