查找与使用pandas的其他行具有相同(月和日)值的行

Question

假设您有2个pandas数据帧。

log = pd.DataFrame(
            {"date":['2016-6-1', '2016-9-22', '2016-10-28', '2016-11-4', '2016-6-29', '2016-10-1', '2016-6-15', '2016-7-29', '2016-11-1'],
             "student_id":[1, 2, 3, 4, 5, 6, 7, 8, 9]
            })
students = pd.DataFrame(
            {"date_of_birth":['1988-6-1', '1987-9-22', '1988-10-27', '1986-11-3', '1987-6-29', '1988-10-2', '1988-6-16', '1988-7-28', '1988-11-2'],
             "student_id":[1, 2, 3, 4, 5, 6, 7, 8, 9]
            })

log是包含考勤日期和学生id的df。学生是有学生生日的df。任务是找出学生在生日那天上学的百分比。

为了解决这个问题，我像下面这样合并了数据帧。，并将日期和生日转换为日期时间变量。

result = pd.merge(log, students,on='student_id')
result['date'] = pd.to_datetime(result['date'])
result['date_of_birth'] = pd.to_datetime(result['date_of_birth'])

然后，创建一个空列表，运行for循环以获取生日和日期相同的日期列表(仅以月和日为单位)。

summary = []
for i in range(len(result)):
    if ((result['date'][i].day == result['date_of_birth'][i].day) and  
        (result['date'][i].month == result['date_of_birth'][i].month)):
        summary += [result['date'][i]]
    else: 
        pass 

len(summary)/len(result)

这最终会完成这项工作，但我在想是否有更好、更有效的方法来完成这项工作。任何帮助都将不胜感激！

Answer 1

您可以使用：

merged_df = log.merge(students, on='student_id')
merged_df['date'] = pd.to_datetime(merged_df['date'])
merged_df['date_of_birth'] = pd.to_datetime(merged_df['date_of_birth'])

print(((merged_df['date'].dt.month.eq(merged_df['date_of_birth'].dt.month))& (merged_df['date'].dt.day.eq(merged_df['date_of_birth'].dt.day))).mean())

输出：

    0.3333333333333333

Answer 2

一种选择是将日期解析为只使用月和日的格式，并在此基础上进行连接。或者为月创建一列，为日创建一列，并在这两个列上连接

log['date'] = pd.to_datetime(log.date)
students['date_of_birth'] = pd.to_datetime(students.date_of_birth)

log['date_month_day'] = log.date.dt.strftime('%m-%d')
students['date_month_day'] = students.date_of_birth.dt.strftime('%m-%d')

result = pd.merge(log,students,how='inner',on=['date_month_day','student_id'])

print(len(result),len(students))