基於 2 個日期列表分組的 Pandas Groupby 唯一計數

Question

與此問題類似，但再增加一個步驟： 根據開始和結束日期滾動 groupby 唯一計數

我有一個帶有唯一 ID、開始日期、結束日期、開始年份和結束年份的數據框。 在這段時間內，ID 可以啟動、停止和重新啟動。

我想在全年中獲得一個 groupby 唯一的 ID 計數。 目前，我可以計算 ID 的開始日期和結束日期的唯一值，但我究竟如何合並包括年份在內？

fun = pd.DataFrame({'ZIP_KEY': ['A', 'B', 'A'],
                   'start_month': [1, 2, 2],
                   'end_month': [4, 3, 7],
                   'start_year': [2016, 2016, 2017],
                   'end_year': [2016, 2017, 2018]})

fun["month_list"] = fun.apply(lambda x: list(range(x["start_month"], x["end_month"]+1)), axis=1)

fun["year_list"] = fun.apply(lambda x: list(range(x["start_year"], x["end_year"]+1)), axis=1)

fun = fun.explode("month_list")

fun = fun.explode("year_list")

fun.groupby(["year_list", "month_list"])["ZIP_KEY"].nunique()


year_list  month_list
2016       1             1
           2             2
           3             2
           4             1
2017       2             2
           3             2
           4             1
           5             1
           6             1
           7             1
2018       2             1
           3             1
           4             1
           5             1
           6             1
           7             1

如果 Zip Key 是多年的，我目前的方法沒有考慮全年 --> 從 2018 年 1 月開始，到 2020 年 2 月結束，然后我們得到[1,2]和[2018,2019,2020] ，而不是全年2018 年和 2019 年。我應該得到[1,2,3,4,5,6,7,8,9,10,11,12]的[2018, 2019]和[1,2]的 2020 年

Answer 1

與我的其他答案類似，但這次我們使用pd.date_range和'MS'頻率而不是range 。 首先為所提供的年月組合創建每月第一天的datetime列會很有幫助。

import pandas as pd

# Create start and end datetime column.
for per in ['start', 'end']:
    fun[per] = pd.to_datetime(fun[[f'{per}_year', f'{per}_month']]
                                  .rename(columns={f'{per}_year': 'year', f'{per}_month': 'month'})
                                  .assign(day=1))

df = pd.concat([pd.DataFrame({'date': pd.date_range(st, en, freq='MS'), 'key': k}) 
                for k, st, en in zip(fun['ZIP_KEY'], fun['start'], fun['end'])])

現在分組輸出。 如果你想要單獨的列：

df.groupby([df.date.dt.year.rename('year'), df.date.dt.month.rename('month')]).key.nunique()

year  month
2016  1        1 # <━┓
      2        2 # <━╋━━┓ 
      3        2 #   A  ┃
      4        2 # <━┛  ┃
      5        1 #      ┃
      6        1 #      ┃
      7        1 #      ┃
      8        1 #      B
      9        1 #      ┃
      10       1 #      ┃
      11       1 #      ┃
      12       1 #      ┃
2017  1        1 #      ┃
      2        2 # <━━━━╋━┓    
      3        2 # <━━━━┛ ┃
      4        1 #        ┃
      5        1 #        ┃
      6        1 #        ┃
      7        1 #        ┃
      8        1 #        ┃
      9        1 #        ┃
      10       1 #        A
      11       1 #        ┃
      12       1 #        ┃
2018  1        1 #        ┃
      2        1 #        ┃
      3        1 #        ┃
      4        1 #        ┃
      5        1 #        ┃
      6        1 #        ┃
      7        1 # <━━━━━━┛

我有時更喜歡按時期分組：

df.groupby(df.date.dt.to_period('M')).key.nunique()