Question

我正在使用一个具有不同产品的数据框（每个产品在此数据框中具有不同的产品参考号“ PR”），并且它们在一定的时间范围内工作。

import pandas as pd
import numpy as np
np.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) 
    })

哪个表格会打印出来

                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

我想查找任何给定月份有多少种产品在这种情况下（在这种情况下：（2011-01，1个产品还可以使用），（2011-02，5个产品还可以使用），（2011-04，4个产品还可以使用）等等...该怎么办？

Answer 1

如果给定的产品在StartDate，EndDate范围内，则可以每月检查一次。

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

这是另一种方式：

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

在时间范围内寻找现值，熊猫

2 个答案: