在数据帧中将日期拆分为2列

Question

这个问题实际上与我之前的问题非常相似(此处给出：将数据框中的日期拆分为两个单独的数据框(，但有点复杂，所以在尝试了一个多小时后，我认为我应该问这个问题。

我有一个数据帧，其中两列Start和End是日期列表。我想做的是创建一个新的数据帧，其中Start日期与最近的End日期匹配，并为每个匹配对在输出的数据帧中创建一个新行

基本上，如果Start列中有两个值，那么只要End列中的日期在第一个日期之后和第二个日期之前(如以下示例中BBB行所示(，那么我就希望将这些值保留为输出的数据帧。此外，即使End列中没有日期(如下面示例中的EEE行(，我仍然希望将其拆分。如果Start和End列中的一列或两列都为空，则它们将保留在数据帧中。

例如，对于下面的数据帧：

Name               Start                               End
AAA               2017-09-13    
BBB         2021-11-20, 2022-06-04                 2022-04-07
CCC                                                2022-09-29
DDD 
EEE        2021-04-28, 2022-06-14
FFF        2021-06-25, 2022-06-19                2022-03-18, 2024-07-22
GGG      2020-10-23,2021-06-10, 2022-03-02       2021-03-06, 2022-01-04, 2024-08-15

最后的数据帧看起来像这样：

Name        Start                    End
AAA         2016-09-13          
BBB         2022-06-04             2022-04-07
CCC                                2022-09-29
DDD 
EEE         2022-06-14
FFF         2021-06-25             2022-03-18
FFF         2022-06-19             2024-07-22
GGG         2020-10-23             2021-03-06
GGG         2021-06-10             2022-01-04
GGG         2022-03-02             2024-08-15

我试图修改上面链接中给出的代码，但我无法获得我想要的输出(不幸的是，我对Python还很陌生…(。因此，如果有任何帮助，我们将不胜感激，谢谢！

Answer 1

这实际上与您的其他问题非常不同，而且不那么简单。

我会使用merge_asof，其中有一个小技巧，用一个伪日期临时替换End的NaN值(这里我使用了"1970-01-01"(：

# pre-process the dataframe to split the strings into lists
df2 = df.set_index('Name').apply(lambda s: s.str.split(',s*'))
out = (pd.merge_asof(
# explode End and fill NaN with 0 to get 1970-01-01
pd.to_datetime(df2['End'].explode().fillna(0))
.sort_values().reset_index(),
pd.to_datetime(df2['Start'].explode().dropna())
.sort_values().reset_index(),
by='Name', left_on='End', right_on='Start',
direction='nearest'
)
.sort_values(by='Name')
[['Name', 'Start', 'End']]
.assign(End=lambda d: d['End'].mask(d['End'].eq('1970-01-01')))
)

输出：

Name      Start        End
0  AAA 2017-09-13        NaT
7  BBB 2022-06-04 2022-04-07
1  CCC 2022-09-29        NaT
2  DDD        NaT        NaT
3  EEE 2021-04-28        NaT
6  FFF 2022-06-19 2022-03-18
8  FFF 2022-06-19 2024-07-22
4  GGG 2021-06-10 2021-03-06
5  GGG 2022-03-02 2022-01-04
9  GGG 2022-03-02 2024-08-15