合併重疊時間窗口

任務描述

最近在做上市公司的事件研究，得到了每個事件發生及之後 15 個交易日的時間窗口，已經按照stkcd evendate的順序排好序，下面截取小段 sample 存儲到 test.txt 中。顯然存在很多重疊的時間窗口，所以想去除掉Overlapping的部分，減少下一步工作的工作量。

stkcd	stkname	eventdate	edate
1	平安銀行	2017-06-27	2017-07-17
1	平安銀行	2017-11-20	2017-12-08
1	平安銀行	2018-01-12	2018-02-01
1	平安銀行	2018-01-19	2018-02-08
2	萬科A	2016-12-19	2017-01-09
2	萬科A	2016-12-21	2017-01-11
2	萬科A	2018-04-17	2018-05-09
2	萬科A	2018-04-24	2018-05-16
2	萬科A	2018-04-27	2018-05-21
2	萬科A	2018-05-08	2018-05-28
2	萬科A	2018-05-09	2018-05-29
2	萬科A	2018-05-10	2018-05-30
2	萬科A	2018-05-11	2018-05-31
2	萬科A	2018-05-14	2018-06-01
2	萬科A	2018-05-15	2018-06-04
2	萬科A	2018-05-16	2018-06-05
2	萬科A	2018-05-17	2018-06-06
2	萬科A	2018-05-18	2018-06-07
2	萬科A	2018-05-21	2018-06-08
2	萬科A	2018-05-22	2018-06-11
2	萬科A	2018-05-31	2018-06-21
2	萬科A	2018-06-05	2018-06-26
2	萬科A	2018-06-12	2018-07-03
2	萬科A	2018-06-29	2018-07-19
2	萬科A	2018-07-12	2018-08-01
2	萬科A	2018-07-17	2018-08-06
2	萬科A	2018-07-24	2018-08-13
2	萬科A	2018-07-27	2018-08-16
2	萬科A	2018-07-31	2018-08-20
2	萬科A	2018-08-08	2018-08-28
2	萬科A	2018-08-31	2018-09-20
2	萬科A	2018-09-11	2018-10-09
2	萬科A	2018-10-16	2018-11-05
5	世紀星源	2008-03-31	2016-01-22
5	世紀星源	2015-06-30	2016-01-22
5	世紀星源	2017-06-07	2017-06-27
5	世紀星源	2017-09-11	2017-09-29

解決思路

大概就是逐行遍歷，用 start 和 end 分別存儲上步更新的時間戳。假如每行時間窗口的起點爲 evendate ，終點爲 edate 。則一共只有以下四種情況：

1. edate > end > evendate:
2. edate > evendate > end
3. start < evendate < edate < end
4. evendate < start (一隻股票的序列結束，另一隻股票的序列開始)

根據不同情況分別更新時間戳 start end 即可

實現代碼

import pandas as pd

data = pd.read_table('test.txt',header=0,encoding='utf-8',delim_whitespace=True)
data.columns=['stkcd','stkname','evendate','edate']

start = data.loc[0, 'evendate']
end = data.loc[0, 'edate']
f=[[start,end]]

for i in range(len(data.loc[:,'stkcd'])):
    evendate = data.loc[i, 'evendate']
    edate = data.loc[i,'edate']
    print([start, end])
    if edate > end > evendate:
        end = edate
        f.append([evendate, edate])
    elif edate > evendate > end:
        start = evendate
        end = edate
        f.append([evendate, edate])
    elif start < evendate < edate < end:
        f.append([evendate, edate])
    elif evendate < start:
        start = evendate
        end = edate
        f.append([evendate, edate])

運行結果

逐行迭代後的時間戳爲：

迭代時間戳

[‘2017-06-27’, ‘2017-07-17’]

[‘2017-06-27’, ‘2017-07-17’]

[‘2017-11-20’, ‘2017-12-08’]

[‘2018-01-12’, ‘2018-02-01’]

[‘2018-01-12’, ‘2018-02-08’]

[‘2016-12-19’, ‘2017-01-09’]

[‘2016-12-19’, ‘2017-01-11’]

[‘2018-04-17’, ‘2018-05-09’]

[‘2018-04-17’, ‘2018-05-16’]

[‘2018-04-17’, ‘2018-05-21’]

[‘2018-04-17’, ‘2018-05-28’]

[‘2018-04-17’, ‘2018-05-29’]

[‘2018-04-17’, ‘2018-05-30’]

[‘2018-04-17’, ‘2018-05-31’]

[‘2018-04-17’, ‘2018-06-01’]

[‘2018-04-17’, ‘2018-06-04’]

[‘2018-04-17’, ‘2018-06-05’]

[‘2018-04-17’, ‘2018-06-06’]

[‘2018-04-17’, ‘2018-06-07’]

[‘2018-04-17’, ‘2018-06-08’]

[‘2018-04-17’, ‘2018-06-11’]

[‘2018-04-17’, ‘2018-06-21’]

[‘2018-04-17’, ‘2018-06-26’]

[‘2018-04-17’, ‘2018-07-03’]

[‘2018-04-17’, ‘2018-07-19’]

[‘2018-04-17’, ‘2018-08-01’]

[‘2018-04-17’, ‘2018-08-06’]

[‘2018-04-17’, ‘2018-08-13’]

[‘2018-04-17’, ‘2018-08-16’]

[‘2018-04-17’, ‘2018-08-20’]

[‘2018-04-17’, ‘2018-08-28’]

[‘2018-08-31’, ‘2018-09-20’]

[‘2018-08-31’, ‘2018-10-09’]

[‘2018-10-16’, ‘2018-11-05’]

[‘2008-03-31’, ‘2016-01-22’]

[‘2008-03-31’, ‘2016-01-22’]

[‘2017-06-07’, ‘2017-06-27’]

最終的時間範圍則爲每個 start 時間戳對應的最後一行：

最終時間戳

[‘2017-06-27’, ‘2017-07-17’]

[‘2017-11-20’, ‘2017-12-08’]

[‘2018-01-12’, ‘2018-02-08’]

[‘2016-12-19’, ‘2017-01-11’]

[‘2018-04-17’, ‘2018-08-28’]

[‘2018-08-31’, ‘2018-10-09’]

[‘2018-10-16’, ‘2018-11-05’]

[‘2008-03-31’, ‘2016-01-22’]

[‘2017-06-07’, ‘2017-06-27’]