R / Python，如何在不使用简单的for循环的情况下基于2个条件填充数据？

学习者132

我正在做一些记帐，但是然后想知道是否有更好的方法来替换长列表项的循环（CPU密集型）。

假设我们有一个这样的交易记录：

交易数据

Qty  Date_purchase  Price_purchase  Date_sale  Price_sale  
5    01/11/2020     ???             02/11/2020 ???         
10   03/11/2020     ???             05/11/2020 ???         
5    03/11/2020     ???             06/11/2020 ???         
....

我要做的是填充??? 价格根据此列表中的日期。

价格表

Date        Price
01/11/2020  10
02/11/2020  15
03/11/2020  17
....

我已经尝试过合并，联接，但是在用R中的tidyverse编写代码时遇到了麻烦（如果代码工作更快，可以切换到Python）。

transaction_data


%>% transaction_data$Price_purchase  <- left_join(price_list, by = c('Date_purchase', 'Date')


%>% transaction_data$Price_sale  <- left_join(price_list, by = c('Date_sale', 'Date') (not working)

编辑：所有的解决方案都是平等的，我希望我可以选择所有作为正确答案

阿克伦

如果需要for循环，则循环遍历“ transaction_date”中“ Date”列的向量，left_join使用“ price_list”，mutate将“ Price_purchase”作为“ price_list”中的“ Price”列，然后删除该列

library(dplyr)
nm1 <- c("Date_purchase", "Date_sale")
for(nm in nm1) {
    transaction_date <- left_join(transaction_date, price_list, 
           by = setNames('Date', nm)) %>%
            mutate(Price_purchase = Price) %>%
            select(-Price)
 }

如果日期联接在一个范围内，则在将“日期”列转换为Date类后，我们可以使用非等距联接

library(data.table)
nm1 <- c('Date_purchase', 'Date_sale')
setDT(transaction_date)[, nm1 := 
       lapply(.SD, as.IDate, format = "%d/%m/%Y"), .SDcols = nm1] 
setDT(price_list)[, Date := as.IDate(Date, "%d/%m/%Y")]
transaction_date[price_list, Price_purchase := 
    Price, on = .(Date_purchase >= Date, Date_sale <= Date)]

本文收集自互联网，转载请注明来源。

如有侵权，请联系 [email protected] 删除。