我有兩個 dfs：
df1：
item_code store_code start_1 end_1
0 11185 01 2022-03-06 2022-03-08
1 11185 02 2022-03-26 2022-03-28
2 118113 01 2022-02-02 2022-02-04
3 118113 02 2022-04-29 2022-04-30
4 118113 02 2022-05-01 2022-05-02
5 000544 01 2022-04-15 2022-04-17
df2：
item_code store_code date_code sales_sum
0 11185 01 2022-03-06 1.5
1 11185 01 2022-03-07 1.0
2 11185 01 2022-03-08 1.0
4 11185 02 2022-03-25 1.5
5 11185 02 2022-03-26 1.5
6 11185 02 2022-03-27 2.0
7 11185 02 2022-03-28 2.0
8 118113 01 2022-02-02 2.0
9 118113 01 2022-02-03 2.0
10 118113 01 2022-02-04 2.0
11 118113 02 2022-02-05 3.0
12 118113 02 2022-04-29 3.0
13 118113 02 2022-04-30 3.0
14 118113 02 2022-05-01 5.0
15 118113 02 2022-05-02 5.0
16 000544 01 2022-04-16 7.0
我想要做的是在一個日期范圍內獲取.sum()if并且sales_sum與item_codeinstore_code相同df1(start = start_1, end = end_1).
預期輸出應該是：
item_code store_code start_1 end_1 sales_sum
0 11185 01 2022-03-06 2022-03-08 3.5
1 11185 02 2022-03-26 2022-03-28 5.5
2 118113 01 2022-02-02 2022-02-04 6.0
3 118113 02 2022-04-29 2022-04-30 6.0
4 118113 02 2022-05-01 2022-05-02 10.0
5 000544 01 2022-04-15 2022-04-17 7.0
我嘗試做的事情沒有任何效果，例如.sum()使用條件&或在字典中創建多個 dfs 以適用于每個日期塊item_code和store_code日期范圍。
大小df1：33667 行，大小df2：4408248 行
uj5u.com熱心網友回復：
您可以使用merge和query：
out = (df1.merge(df2, how='left', suffixes=('', '_'))
.query('(start_1 <= date_code) & (date_code <= end_1)')
.groupby(df1.columns.tolist(), as_index=False, sort=False)
['sales_sum'].sum())
print(out)
# Output
item_code store_code start_1 end_1 sales_sum
0 11185 01 2022-03-06 2022-03-08 3.5
1 11185 02 2022-03-26 2022-03-28 5.5
2 118113 01 2022-02-02 2022-02-04 6.0
3 118113 02 2022-04-29 2022-04-30 6.0
4 118113 02 2022-05-01 2022-05-02 10.0
5 000544 01 2022-04-15 2022-04-17 7.0
轉載請註明出處，本文鏈接：https://www.uj5u.com/yidong/483925.html