Question

我有一个pandas数据框如下：

ID      Start        End
1  2013-03-03 2013-04-05
2  2013-03-03 2013-04-05
3  2012-03-02 2012-05-05
4  2013-03-01 2013-04-04
5  2013-02-25 2013-06-05
6  2012-02-26 2012-05-05
7  2013-02-25 2013-04-27
8  2012-02-26 2012-03-01
9  2013-03-22 2013-03-25
10 2013-06-27 2013-07-01

是否可以汇总每月发生的天数：每个ID的每个时间间隔的年份。

我想要获得的输出是每月所有日期的总和：每个ID贡献的年份。

因此，ID1将控制截至2013年3月的29天和2013年4月的5天; ID3将在2012年3月30天，2012年4月30天和2012年5月5天内提供。等....

如果您能提供帮助，请提前致谢。

Answer 1

这是一种糟糕的方式：

In [11]: df1.apply(lambda x: pd.Series(1, pd.date_range(x.loc['Start'], x.loc['End'] - pd.offsets.Day(1), freq='D')).resample('M', how='sum'), axis=1).fillna(0)
Out[11]: 
    2012-02-29  2012-03-31  2012-04-30  2012-05-31  2013-02-28  2013-03-31  2013-04-30  2013-05-31  2013-06-30
ID                                                                                                            
1            0           0           0           0           0          29           4           0           0
2            0           0           0           0           0          29           4           0           0
3            0          30          30           4           0           0           0           0           0
4            0           0           0           0           0          31           3           0           0
5            0           0           0           0           4          31          30          31           4
6            4          31          30           4           0           0           0           0           0
7            0           0           0           0           4          31          26           0           0
8            4           0           0           0           0           0           0           0           0
9            0           0           0           0           0           3           0           0           0
10           0           0           0           0           0           0           0           0           4

要分解，我们每行计算每个月的天数，在开始和结束之间每天创建一系列1，然后使用重新采样将每个月的总和相加：

In [12]: x = df1.iloc[0]

In [13]: x
Out[13]: 
Start   2013-03-03 00:00:00
End     2013-04-05 00:00:00
Name: 1, dtype: datetime64[ns]


In [14]: pd.Series(1, pd.date_range(x['Start'], x['End'] - pd.offsets.Day(1), freq='D')).resample('M', how='sum')
Out[14]: 
2013-03-31    29
2013-04-30     4
Freq: M, dtype: int64

Answer 2

datetime 模块具有逐月处理日期所需的工具。

这是一些可以轻松适应 Pandas 数据帧的快速独立代码：

import datetime
import collections
import pprint

data = '''\
1  2013-03-03 2013-04-05
2  2013-03-03 2013-04-05
3  2012-03-02 2012-05-05
4  2013-03-01 2013-04-04
5  2013-02-25 2013-06-05
6  2012-02-26 2012-05-05
7  2013-02-25 2013-04-27
8  2012-02-26 2012-03-01
9  2013-03-22 2013-03-25
10 2013-06-27 2013-07-01
'''

for line in data.splitlines():
    idnum, startstr, endstr = line.split()
    start = datetime.datetime.strptime(startstr, '%Y-%m-%d')
    end = datetime.datetime.strptime(endstr, '%Y-%m-%d')

    days_in_month = collections.Counter()
    current = start
    while current <= end:
        days_in_month[current.year, current.month] += 1
        current += datetime.timedelta(1)
    print('Id: %s' % idnum)
    pprint.pprint(dict(days_in_month))
    print('-' * 10)

间隔天数的总和

2 个答案: