数据帧：基于重叠日期进行筛选

问：

我有 2 个数据帧，请求和服务。以下是它们包含的数据示例：

请求事件数据帧

     Client ID Event Reference Event Start Date Event End Date
0          100             100       01/04/2023     04/04/2023
1          100             101       07/06/2023     07/06/2023
2          101             102       01/04/2023     04/04/2023
3          102             103       01/05/2023     10/05/2023

{'客户端 ID'： {0： 100， 1： 100， 2： 101， 3： 102}， '活动结束日期'： {0： 100， 1： 101， 2： 102， 3： 103}， '活动开始日期'： {0： '01/04/2023'， 1： '07/06/2023'， 2： '01/04/2023'， 3： '01/05/2023'}， '活动结束日期'： {0： '04/04/2023'， 1： '07/06/2023'， 2： '04/04/2023'， 3： '10/05/2023'}}

服务事件数据帧

     Client ID Event Reference Event Start Date Event End Date
0          100            1000       01/02/2022     04/03/2023
1          100            1001       10/04/2023            NaN
2          102            1002       01/04/2023     01/05/2023
3          102            1003       02/05/2023     10/07/2023

{'客户端 ID'： {0： 100， 1： 100， 2： 102， 3： 102}， '活动参考'： {0： 1000， 1： 1001， 2： 1002， 3： 1003}， '活动开始日期'： {0： '01/02/2022'， 1： '10/04/2023'， 2： '01/04/2023'， 3： '02/05/2023'}， '活动结束日期'： {0： '04/03/2023'， 1： nan， 2： '01/05/2023'， 3： '10/07/2023'}}

请注意，所有请求都有结束日期，但有些服务没有，即它们正在进行中。并非“请求”数据帧中的所有客户端都具有服务。

我需要确定以下内容 - 对于特定客户端的每个请求事件，他们是否有任何在请求期间处于活动状态的服务。如果他们这样做了，那么该请求需要进入“当前打开”的数据帧。如果他们没有，则该请求需要进入“新请求”数据帧。根据上述数据，我希望看到以下结果数据帧：

当前打开的数据帧

     Client ID Event Reference Event Start Date Event End Date
0          100             101       07/06/2023     07/06/2023
1          102             103       01/05/2023     10/05/2023

新建请求数据帧

     Client ID Event Reference Event Start Date Event End Date
0          100             100       01/04/2023     04/04/2023
1          101             102       01/04/2023     04/04/2023

我对 python 编码很陌生，所以我一直在使用 ChatGPT 来提升我。它提出了一些代码，到目前为止我一直在调整但无济于事（请注意，LTS 是我对服务数据帧的名称）：

# Intialise an empty dataframe to store results

new_requests = pd.DataFrame()

# Iterate over each row in the requests dataframe
for index, request_row in requests.iterrows():
    
    # Filter relevant rows in the LTS dataframe for the current client
    relevant_lts_rows = lts[lts['Client ID'] == request_row['Client ID']]
    
    # Check for overlapping events
    overlapping_events = relevant_lts_rows[
        (relevant_lts_rows['Event Start Date'] <= request_row['Event End Date']) & 
        ((relevant_lts_rows['Event End Date'] > request_row['Event Start Date']) | pd.isnull(relevant_lts_rows['Event End Date']))]
    
    # If no overlapping events, add current request to the new_requests dataframe
    if overlapping_events.empty:
        new_requests = pd.concat([new_requests, pd.DataFrame(request_row).transpose()])

# Reset index for new_requests dataframe
new_requests.reset_index(drop=True, inplace=True)

print(new_requests)

不幸的是，它似乎没有将正确的请求提取到new_requests数据帧中。任何建议将不胜感激！