如何根据具有日期范围的另一个 DataFrame 中的列在 DataFrame 中搜索价格列

Question

我有一个名为 data 的 DataFrame，其中包含每台笔记本电脑的日期和价格。              Acer      Mac   Toshibadate                                                                          2019-01-04  754.23  1173.08    969.15  2019-01-05  753.69  1176.14    969.42  2019-01-11  754.21  1171.56    970.30  2019-01-28  752.61  1153.29    964.96  2019-01-29  753.43  1148.72    964.43  2019-02-03  754.27  1157.23    966.60  2019-02-04  752.97  1150.68    964.72  2019-02-09  753.25  1152.49    965.20  2019-02-19  754.25  1154.49    963.20  2019-02-26  752.25  1155.49    962.202019-03-01  753.48  1153.13    966.18  2019-03-30  753.49  1156.94    966.96         我有另一个名为笔记本电脑的 DataFrame，其中包含开始和结束日期                 start         end     Laptop2019-01-29  2010-01-04  2010-01-29       Acer2019-02-26  2010-02-03  2010-02-26    Toshiba2019-03-30  2019-03-01  2019-03-30        Mac如何在日期范围内打印第二个 DataFrame 中所述的笔记本电脑的价格，使其看起来像这样：              Laptop    Price   date                                                                          2019-01-04      Acer    754.23  2019-01-05      Acer    753.69  2019-01-11      Acer    754.21  2019-01-28      Acer    752.61  2019-01-29      Acer    753.43  2019-02-03   Toshiba    966.60  2019-02-04   Toshiba    964.72  2019-02-09   Toshiba    965.20  2019-02-19   Toshiba    963.20  2019-02-26   Toshiba    962.202019-03-01       Mac   1153.13    2019-03-30       Mac   1156.94    以下是我所拥有的，但它不打印价格：for date in data.index:    for date1 in laptop['end']:        if date == date1:            start = laptop['start']            end = laptop['end']            laptop = laptop['Laptop']    p = data.loc[start: end, laptop]    #to search for the prices for the laptop chosen in the respective date range print(p)  我收到以下错误：ValueError：基于位置的索引只能有[标签（必须在索引中），标签切片（包括两个端点！如果索引是整数，可以是整数切片），标签列表，布尔]类型任何帮助，将不胜感激。

Answer 1

我认为日期laptop很糟糕，因为有些年份是 2010 年。我已将其更改为 2019 以获得所需的结果

笔记本电脑是：

                 start         end     Laptop

2019-01-29  2019-01-04  2019-01-29       Acer

2019-02-26  2019-02-03  2019-02-26    Toshiba

2019-03-30  2019-03-01  2019-03-30        Mac

您可以使用：

lst=[]

i=0

while i<len(laptop.index):

    data['Laptop']=laptop.loc[laptop.index[i],'Laptop']

    lst.append((data.loc[(laptop.loc[laptop.index[i],'start']<=data.index) & (laptop.loc[laptop.index[i],'end']>=data.index)][['Laptop',data['Laptop'][0]]].rename(columns={data['Laptop'][0]:'Prices'})))

    print(lst[i])

    print('-'*50)

    i+=1

new_df=pd.concat([df for df in lst])

data=data.drop(['Laptop'], axis=1)

print(new_df)

输出：

             Laptop  Prices

date                     

2019-01-04   Acer    754.23

2019-01-05   Acer    753.69

2019-01-11   Acer    754.21

2019-01-28   Acer    752.61

2019-01-29   Acer    753.43

--------------------------------------------------

             Laptop  Prices

date                       

2019-02-03  Toshiba  966.60

2019-02-04  Toshiba  964.72

2019-02-09  Toshiba  965.20

2019-02-19  Toshiba  963.20

2019-02-26  Toshiba  962.20

--------------------------------------------------

             Laptop  Prices

date                      

2019-03-01    Mac    1153.13

2019-03-30    Mac    1156.94

--------------------------------------------------

             Laptop   Prices

date                        

2019-01-04     Acer   754.23

2019-01-05     Acer   753.69

2019-01-11     Acer   754.21

2019-01-28     Acer   752.61

2019-01-29     Acer   753.43

2019-02-03  Toshiba   966.60

2019-02-04  Toshiba   964.72

2019-02-09  Toshiba   965.20

2019-02-19  Toshiba   963.20

2019-02-26  Toshiba   962.20

2019-03-01      Mac  1153.13

2019-03-30      Mac  1156.94

我已经连接了DataFrame每个laptop你可以离开而不连接的