根据日期范围按类别计算总出现次数和出现次数

Question

在下表中，开始日期和结束日期表示计算唯一标识符的时间段。我的目标是计算唯一标识符在日期之间出现的次数，但每月显示一次。我还想计算一个类别在该日期范围内出现的次数。

我是处理表格数据和熊猫的新手，所以我有点迷茫。非常感谢您的帮助。

输入数据示例：

Start Date	End Date	Unique Identifyer	Category
2019-04-17	2020-04-17	ID 1234	A
2019-05-20	2021-04-03	ID 3492	B
2019-05-20	2021-04-03	ID 7376	C
2019-04-18	2021-04-03	ID 9813	A
2019-06-20	2021-04-03	ID 6342	A
2019-06-20	2021-04-03	ID 6455	B
2019-07-20	2021-04-03	ID 6342	A
2019-06-20	2021-04-03	ID 6455	B
etc...	etc...	etc...	etc...

输出示例：

Date	Total_Vol	count_A	count_B	count_c
Apr-2019	2	2	0	0
May-2019	4	2	1	1
Jun-2019	7	3	3	1
Jul-2019	8	4	3	1

Answer 1

首先我建议将日期列拆分为两个不同的列year 和month，以便您可以按它们进行分组。

df = (pd.DataFrame(records, columns=['start', 'end', 'id', 'cat'])
         .astype({'start':'datetime64', 'end':'datetime64'})
         .assign(year=lambda x: x['start'].dt.year)
         .assign(month=lambda x: x['start'].dt.month))

那你可以把cat这个列炸开，方便计算

df_cats = (pd
 .get_dummies(df['cat'], prefix='count')
 .assign(total = lambda r: r['count_A']+r['count_B']+r['count_C']))

你会得到

现在您只需合并两个 dfs 并使用 groupby.sum() 即可获得结果

pd.merge(df, df_cats, left_index=True, right_index=True).groupby(['year', 'month'].sum()

你最终会得到