日期范围分组数据帧中的重叠

Question

如何知道两行的日期范围是否重叠？？

输入数据帧：

开始>时间戳<2021-05-17><2021-05-16><2021-05-16><2021-05-12><2021-05-16><2021-05-17>

A	B	结束
A1	B1	2022-01-15	2021-05-17
A1	B1	2021-07-15	2021-10-17
A1	B1	2021-07-30	2021-10-02
A1	B2	2022-01-01	2023-01-01	2021-05-17
A1	B2	2021-06-02	2021:06-04
A2	B3	2021-05-10	2021:05-17
A2	B3	2021-04-10	2021:06-12
A2	B4	2021-06-02	2021:06-04

您可以使用：

1. 如果日期不在datetime中，可以选择将日期转换为datetime

df['Start'] = pd.to_datetime(df['Start'])
df['End'] = pd.to_datetime(df['End'])
df['Timestamp'] = pd.to_datetime(df['Timestamp'])

2. 对值进行排序，以便于在连续行之间进行日期比较

df = df.sort_values(['A', 'B', 'Start', 'End'])

3. 为非重叠的日期范围设置相同A和B内的组号：通过比较排序行中的Start日期大于前一行的End日期(这将是非重叠日期范围(。所有的组号都是相对于CCD_ 5和CCD_

group = (df['Start'] >  df.groupby(['A', 'B'])['End'].shift()).groupby([df['A'], df['B']]).cumsum()

4. 根据A和B以及重叠组号(根据新创建的group(进行分组，并通过idxmax()获得最高Timestamp的索引。使用.loc筛选要保留的此类行(组中Timestamp最高(。最后用.sort_index()恢复排序前的原始数据帧序列

df.loc[df.groupby([df['A'], df['B'], group])['Timestamp'].idxmax()].sort_index()

结果：

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

Panda数组将对您有所帮助事情是这样的。。。数组(data[，dtype，copy](。。。

欲了解更多信息，请阅读文档。。。。我仍在寻找稳定的答案。

Panda文档