查找时间范围内的现值，pandas

Question

我正在使用一个包含不同产品的数据框（每个产品都有不同的产品参考，在此数据框中为“PR”），这些产品具有特定的工作时间范围。import pandas as pdimport numpy as npnp.random.seed(123)df = pd.DataFrame({     'PR':("1","2","3","4","5","18"),    'StartDate':pd.date_range('1/1/2011', periods=6, freq='D'),    'EndDate':np.random.choice( pd.date_range('1/1/2011', periods=365,                           freq='D'), 6, replace=False)     })打印出这个表                PR  StartDate   EndDate           0    1   2011-01-01  2011-03-01           1    2   2011-01-02  2011-11-06           2    3   2011-01-03  2011-01-10           3    4   2011-01-04  2011-10-27           4    5   2011-01-05  2011-08-31           5    18  2011-01-06  2011-06-06我想知道在任何给定月份有多少产品处于活动状态（在本例中：（2011-01，1 个产品活动），（2011-02，5 个产品活动），（2011-04，4 个产品活动）等。 .. 我怎样才能做到这一点？

Answer 1

StartDate如果给定的产品在,范围内，您可以检查每个月EndDate。

In [26]: pd.Series(

            {dt: ((df.StartDate <= dt) & (df.EndDate >= dt)).sum()

             for dt in pd.date_range(start='2011-01-01', freq='1MS', periods=6)})

Out[26]:       

2011-01-01    1

2011-02-01    5

2011-03-01    5

2011-04-01    4

2011-05-01    4

2011-06-01    4

dtype: int64   

Answer 2

这是另一种方法：

df.assign(dates = [pd.date_range(s,f, freq='MS') for s, f in zip(df['StartDate'], df['EndDate'])])\

  .explode('dates').groupby('dates')['PR'].nunique()

输出：

dates

2011-01-01    1

2011-02-01    5

2011-03-01    5

2011-04-01    4

2011-05-01    4

2011-06-01    4

2011-07-01    3

2011-08-01    3

2011-09-01    2

2011-10-01    2

2011-11-01    1

Name: PR, dtype: int64