Python_Pandas : If datetime values fall under certain date duration, 创建具有特定值的列

Question

鉴于:

从下面的df，

df = 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'],
             "score":[9, 8, 8, 10, 6, 7, 7, 7, 6]
            })

执行以下任务:

对于满足以下条件的日期，向新添加的名为“staffNumber”的列添加特定值:

如果“日期”落在 6/1/2016~9/22/2016 之下，那么创建一个值为 1 的新列。

如果“日期”落在 9/23/2016~10/28/2016 下，则创建一个值为 2 的新列。

如果 'date' 落在 10/29/2016~11/4/2016 之下，那么创建一个值为 3 的新列

最终结果将如下所示:

df2 = 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'],
             "score":[9, 8, 8, 10, 6, 7, 7, 7, 6],
             "staffNumber":[1,1,2,3,1,2,1,1,3]
            })

我试过的:

在我提出任何问题之前，我通常会尝试一些东西。但是，对于这个，我想不出任何方法。

我从以下链接中查看了使用 np.where & .isin :
1. Python numpy where function with datetime
2. Using 'isin' on a date in a pandas column
3. Pandas conditional creation of a series/dataframe column

任何帮助将不胜感激!

Answer 1

使用 cut :

#convert to datetimes if necessary
df['date'] = pd.to_datetime(df['date'])
b = pd.to_datetime(['2016-06-01','2016-09-22','2016-10-28','2016-11-04'])
l = range(1,4)
df['new'] = pd.cut(df['date'], bins=b, labels=l, include_lowest=True)
print (df)
        date  score new
0 2016-06-01      9   1
1 2016-09-22      8   1
2 2016-10-28      8   2
3 2016-11-04     10   3
4 2016-06-29      6   1
5 2016-10-01      7   2
6 2016-06-15      7   1
7 2016-07-29      7   1
8 2016-11-01      6   3

或 numpy.searchsorted :

#change first date to 2016-05-31
b = pd.to_datetime(['2016-05-31','2016-09-22','2016-10-28','2016-11-04'])
l = range(1,4)

df['new'] = np.array(l)[b.searchsorted(df['date'].values) - 1]
print (df)
        date  score  new
0 2016-06-01      9    1
1 2016-09-22      8    1
2 2016-10-28      8    2
3 2016-11-04     10    3
4 2016-06-29      6    1
5 2016-10-01      7    2
6 2016-06-15      7    1
7 2016-07-29      7    1
8 2016-11-01      6    3