给定开始日期和结束日期的数据框，如何计算一年中每一天的总入住天数？

Question

我有一个 csv 文件，因此我有一个包含访问露营地的开始和结束日期的列表或数据框。

    start_date   end_date
0   2016-01-21   2016-01-24
1   2016-01-28   2016-01-29
2   2016-02-02   2016-02-10
3   2016-02-08   2016-02-12
...

我想计算一个数据框，其中包含该时间段内每一天的一行，一列计算累积访问者，一列表示当天居住的访问者数量和访问者天数的累积总和。

我目前有一些 hacky 代码将访问者数据读入普通的 python 列表visitor_array，并为期间/年份中的每个日期创建另一个列表year_array。然后，它在year_array 中循环每个日期，并在visitor_array 上进行内部循环，并将year_array 的当前元素与当天的新访客计数和常驻访客数量相附加。

temp_day = datetime.date(2016,1,1)
year_array = [[temp_day + datetime.timedelta(days=d)] for d in range(365)]

for day in year_array:
    new_visitors = 0
    occupancy = 0
    for visitor in visitor_array:
        if visitor[0] = day:
            new_visitors +=1
        if (visitor[0] <= day[0]) and (day[0] <= visitor[1]):
            occupancy +=1
    day = day.append(new_visitors)
    day = day.append(occupancy)

然后我将 year_array 转换为 pandas 数据框，创建一些 cumsum 列并忙于绘图等

有没有更优雅的 pythonic/pandasic 方式在 pandas 中完成这一切？

Answer 1

考虑到df 具有开始/结束值的数据帧和d 最终数据帧，我会做这样的事情：

代码：

import numpy as np
import pandas as pd
import datetime

# ---- Create df sample
df = pd.DataFrame([['21/01/2016','24/01/2016'],
                    ['28/01/2016','29/01/2016'],
                    ['02/02/2016','10/02/2016'],
                    ['08/02/2016','12/02/2016']], columns=['start','end'] )
df['start'] = pd.to_datetime(df['start'])
df['end'] = pd.to_datetime(df['end'])

# ---- Create day index
temp_day = datetime.date(2016,1,1)
index = [(temp_day + datetime.timedelta(days=d)) for d in range(365)]

# ---- Create empty result df
# initialize df, set days as datetime in index
d = pd.DataFrame(np.zeros((365,3)),
                 index=pd.to_datetime(index),
                 columns=['new_visitor','occupancy','occupied_day'])

# ---- Iterate over df to fill d (final df)
for i, row in df.iterrows():
    # Add 1 if first day for new visitor
    d.loc[row.start,'new_visitor'] += 1
    # 1 if some visitor in df.start, df.end
    d.loc[row.start:row.end,'occupied_day'] = 1
    # Add 1 for visitor occupancy these days
    d.loc[row.start:row.end,'occupancy'] += 1

#cumulated days = some of occupied days
d['cumul_days'] = d.occupied_day.cumsum()
#cumulated visitors = some of occupancy
d['cumul_visitors'] = d.occupancy.cumsum()

结果输出print(d.loc['2016-01-21':'2016-01-29'])的一些摘录：

index         new_visitor  occupancy  occupied_day  cumul_days  cumul_visitors
2016-01-21          1.0        1.0           1.0         1.0             1.0
2016-01-22          0.0        1.0           0.0         1.0             2.0
2016-01-23          0.0        1.0           0.0         1.0             3.0
2016-01-24          0.0        1.0           0.0         1.0             4.0
2016-01-25          0.0        0.0           0.0         1.0             4.0
2016-01-26          0.0        0.0           0.0         1.0             4.0
2016-01-27          0.0        0.0           0.0         1.0             4.0
2016-01-28          1.0        1.0           1.0         2.0             5.0
2016-01-29          0.0        1.0           0.0         2.0             6.0

希望这段代码有帮助！