날짜 범위에 대한 조건부 조인을 사용하여 Pandas DataFrame을 효율적으로 병합하는 방법은 무엇입니까?

날짜 범위에서 조건부 조인을 사용하여 Pandas 데이터 프레임 병합

식별자(" cusip") 및 데이터 프레임 A의 날짜("fdate")가 데이터 프레임 B의 두 날짜("namedt" 및 "nameenddt") 사이에 속하는 조건입니다.

이 작업의 SQL 용이성을 인식하더라도 무조건 병합과 필터링이 뒤따르는 판다 접근 방식에 갇혀 있는데, 이는 비효율적일 수 있습니다. 이 접근 방식이 차선책인 이유는 다음과 같습니다.

df = pd.merge(A, B, how='inner', left_on='cusip', right_on='ncusip')
df = df[(df['fdate']>=df['namedt']) & (df['fdate']<p>필터링 전에 대규모 임시 데이터 프레임을 생성하는 대신 병합 작업 자체 내에 필터링을 통합하는 솔루션을 모색합니다.</p><p><strong>탐색 대체 접근 방식</strong></p><p>이와 같은 시나리오의 경우 SQLite와 같은 데이터베이스 활용을 고려해보세요. Pandas의 to_sql 메소드는 데이터베이스에 데이터프레임을 편리하게 작성할 수 있습니다. 결과적으로 SQL 쿼리를 사용하면 효율적인 필터링 및 병합 작업이 가능합니다.</p><p>다음은 가상 데이터 프레임과 데이터베이스 연결을 사용하는 예입니다.</p><pre class="brush:php;toolbar:false">import pandas as pd
import sqlite3

# Sample dataframes
presidents = pd.DataFrame({"name": ["Bush", "Obama", "Trump"], "president_id": [43, 44, 45]})
terms = pd.DataFrame({"start_date": pd.date_range('2001-01-20', periods=5, freq='48M'), "end_date": pd.date_range('2005-01-21', periods=5, freq='48M'), "president_id": [43, 43, 44, 44, 45]})
war_declarations = pd.DataFrame({"date": [datetime(2001, 9, 14), datetime(2003, 3, 3)], "name": ["War in Afghanistan", "Iraq War"]})

# Database connection
conn = sqlite3.connect(':memory:')

# Write dataframes to database
terms.to_sql('terms', conn, index=False)
presidents.to_sql('presidents', conn, index=False)
war_declarations.to_sql('wars', conn, index=False)

# SQL query
qry = '''
    SELECT
        start_date AS PresTermStart,
        end_date AS PresTermEnd,
        wars.date AS WarStart,
        presidents.name AS Pres
    FROM
        terms
    JOIN
        wars ON date BETWEEN start_date AND end_date
    JOIN
        presidents ON terms.president_id = presidents.president_id
'''

# Read query results into pandas dataframe
df = pd.read_sql_query(qry, conn)

이 접근 방식을 사용하면 불필요하게 큰 데이터 프레임을 만들지 않고도 조인 및 필터링이 가능합니다. 중간 데이터프레임.

위 내용은 날짜 범위에 대한 조건부 조인을 사용하여 Pandas DataFrame을 효율적으로 병합하는 방법은 무엇입니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!