pandas 按活动时间范围合并数据

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

本例有两个关于促销活动安排的数据表，需要根据促销活动的安排时间范围并它与销售情况合并，用来观察促销的效果。我们利用 pandas 可以非常灵活地进行上述需求的操作，让我们一起看看怎么完成它吧。

注：本例在 pandas 2.2 下通过，同时建议安装 pyarrow 库。

数据与需求

我们的两份数据如下：

import pandas as pd
import numpy as np

df_sales = pd.DataFrame({
        '销售日期':pd.date_range('20240101', periods=9),
        '销售额':np.random.randint(100, 1000, 9)
})

df_campiagn = pd.DataFrame({
    '活动开始日期':[pd.to_datetime('20240102'), pd.to_datetime('20240105')],
    '活动结束日期':[pd.to_datetime('20240103'), pd.to_datetime('20240107')],
    '促销描述':['买一送一', '打8折']
})


# 销售表
df_sales
'''
   销售日期  销售额
0 2024-01-01  535
1 2024-01-02  237
2 2024-01-03  251
3 2024-01-04  983
4 2024-01-05  989
5 2024-01-06  999
6 2024-01-07  549
7 2024-01-08  648
8 2024-01-09  236
'''

# 活动表
df_campiagn
'''
   活动开始日期   活动结束日期  促销描述
0 2024-01-02 2024-01-03  买一送一
1 2024-01-05 2024-01-07   打8折
'''

销售表是每日的销量，活动是所进行的促销活动，促销活动对销售会有影响，为了观察这种影响，我们需要将两份数据合并。合并规则是，在销售表的基础上，将活动表的三个信息增加成为其后的列，当然这个要根据活动的时间范围。最终效果如下：

'''
  销售日期  销售额  活动开始日期 活动结束日期  促销描述
0 2024-01-01  535        NaT        NaT   NaN
1 2024-01-02  237 2024-01-02 2024-01-03  买一送一
2 2024-01-03  251 2024-01-02 2024-01-03  买一送一
3 2024-01-04  983        NaT        NaT   NaN
4 2024-01-05  989 2024-01-05 2024-01-07   打8折
5 2024-01-06  999 2024-01-05 2024-01-07   打8折
6 2024-01-07  549 2024-01-05 2024-01-07   打8折
7 2024-01-08  648        NaT        NaT   NaN
8 2024-01-09  236        NaT        NaT   NaN
'''

思路

大体思路如下：

使用 iterrows() 迭代DataFrame df_sales 的每一行，其中 i 是行的索引，r 是该行的数据。
在迭代过程中，为每一行从 DataFrame df_campiagn 中选择符合条件的活动数据：
- 活动开始日期（活动开始日期列）早于或等于当前销售日期（r.销售日期）；
- 活动结束日期（活动结束日期列）晚于或等于当前销售日期（r.销售日期）。
如果找到符合条件的活动数据，使用 pipe(len) 检查选定活动数据的数量是否大于零。
如果存在符合条件的活动数据，使用 iloc[0] 选择第一个符合条件的活动数据，然后将该活动的开始日期、结束日期和促销描述分别赋值给 df_sales 中对应行的相应列。

目的是将 df_sales 中的销售数据与 df_campiagn 中的活动数据匹配，以获取销售日期范围内的促销活动信息。如果匹配到符合条件的活动，将相应的活动开始日期、结束日期和促销描述更新到 df_sales 中。

代码

根据思路的代码为：

for i, r in df_sales.iterrows():
    df_temp = df_campiagn[
        (df_campiagn.活动开始日期 <= r.销售日期) &
        (r.销售日期 <= df_campiagn.活动结束日期)]
    
    if df_temp.pipe(len) > 0:
        df_temp = df_temp.iloc[0]
        df_sales.loc[i, '活动开始日期'] = df_temp.活动开始日期
        df_sales.loc[i, '活动结束日期'] = df_temp.活动结束日期
        df_sales.loc[i, '促销描述'] = df_temp.促销描述

这样就完成了需求。

（完）

pandas 按活动时间范围合并数据

数据与需求

思路

代码

相关内容