从两个日期列中删除月份答案

【问题标题】：Strip out months from two date columns从两个日期列中删除月份
【发布时间】：2017-06-13 15:47:46
【问题描述】：

我有一个 pandas 数据框，其中包含合同的开始和结束日期以及数量。我将如何去除各个月份以便汇总和绘制图表。

ex 
Start Date  End Date       Demanded     Customer
1/1/2017    3/31/2017        100            A
2/1/2017    3/31/2017         50            B

把月份去掉

Month       Demand    Customer
1/1/2017     100      A
2/1/2017     100      A
3/1/2017     100      A
2/1/2017      50      B
3/1/2017      50      B

最终结果是对此进行旋转，然后在 x 轴上绘制月份，在 y 轴上绘制总需求

【问题讨论】：

标签： python python-2.7 date pandas

【解决方案1】：

您可以先转换日期为to_datetime 的列。然后使用itertuples 和date_range 频率MS（月初）和concat 创建新的扩展DataFrame。最后join原创专栏Quantity Demanded和Customer：

df['Start_Date'] = pd.to_datetime(df['Start Date'])
df['End_Date'] = pd.to_datetime(df['End Date'])

df1 = pd.concat([pd.Series(r.Index, 
                           pd.date_range(r.Start_Date, r.End_Date, freq='MS')) 
                           for r in df.itertuples()])
        .reset_index()
df1.columns = ['Month','idx']
print (df1)
       Month  idx
0 2017-01-01    0
1 2017-02-01    0
2 2017-03-01    0
3 2017-02-01    1
4 2017-03-01    1

df2 = df1.set_index('idx').join(df[['Quantity Demanded','Customer']]).reset_index(drop=True)
print (df2)
       Month  Quantity Demanded Customer
0 2017-01-01                100        A
1 2017-02-01                100        A
2 2017-03-01                100        A
3 2017-02-01                 50        B
4 2017-03-01                 50        B

【讨论】：

当我尝试这个时，列名没有设置。
出了什么问题？有不同的列名吗？
df1.columns = ['Month','idx'] 不起作用/适用。之后df1的值是一样的
.reset_index() - 我收到缩进错误，所以我只是将其更改为 d1.reset_index() - 然后当我运行 df1.columns = ['Month','idx'] 时，它似乎没有效果。是因为 df1 是一个系列吗？（猜测）
你可以像df1 = pd.concat([pd.Series(r.Index, pd.date_range(r.Start_Date, r.End_Date, freq='MS')) for r in df.itertuples()].reset_index()这样使用一行

【解决方案2】：

使用melt 然后resample('MS')

df['Start Date'] = pd.to_datetime(df['Start Date'])
df['End Date'] = pd.to_datetime(df['End Date'])

d1 = pd.melt(
    df, ['Demanded', 'Customer'],
    ['Start Date', 'End Date'],
    value_name='Date'
).drop('variable', 1).set_index('Date')

d1.groupby('Customer').apply(lambda df: df.resample('MS').ffill()) \
    .reset_index(0, drop=True) \
    .reset_index()

        Date  Demanded Customer
0 2017-01-01       100        A
1 2017-02-01       100        A
2 2017-03-01       100        A
3 2017-02-01        50        B
4 2017-03-01        50        B

【讨论】：