根据开始和结束日期滚动 groupby nunique 计数答案

【问题标题】：Rolling groupby nunique count based on start and end dates根据开始和结束日期滚动 groupby nunique 计数
【发布时间】：2020-02-05 04:11:02
【问题描述】：

我有一个具有唯一 ID、开始日期和结束日期的数据框。在一年的时间里，ID 可以启动、停止和重新启动。

我想在一年的过程中获得一个 groupby nunique 的 ID 计数。目前，我可以计算 ID 开始日期的唯一值，但我如何准确地合并结束日期？

fun = pd.DataFrame({'ZIP_KEY': ['A', 'B','C', 'A', 'B', 'A'],
                   'start_month': [1, 2, 2, 6, 8, 10],
                   'end_month': [4, 3, 7, 7, 12, 12]})

fun.groupby('start_month')['ZIP_KEY'].nunique()

start_month
1     1
2     2
3     0
4     0
5     0
6     1
7     0
8     1
9     0
10    1
11    0
12    0

基本上，如果一个 ID 在 1 月开始并在 3 月结束，我希望它包含在 2 月和 3 月的计数中，而不仅仅是 1 月，这是我当前方法的操作方式。

期望的输出：

    start_month
1     1
2     3
3     3
4     2
5     1
6     2
7     2
8     1
9     1
10    2
11    2
12    2

非常感谢任何提示或帮助！

【问题讨论】：

标签： python pandas

【解决方案1】：

也许你可以列出开始和结束之间的所有月份，爆炸并最终计数

import pandas as pd

df = pd.DataFrame({'ZIP_KEY': ['A', 'B','C', 'A', 'B', 'A'],
                   'start_month': [1, 2, 2, 6, 8, 10],
                   'end_month': [4, 3, 7, 7, 12, 12]})

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

df = df.explode("list")

df.groupby("list")["ZIP_KEY"].nunique()

【讨论】：

【解决方案2】：

一种选择是重新创建 DataFrame，您可以在其中将范围扩展到该范围内的所有月份，并在每一行中复制键。然后你可以使用普通的groupby。

df = pd.concat([pd.DataFrame({'month': range(st, en+1), 'key': k}) 
                for k, st, en in zip(fun['ZIP_KEY'], fun['start_month'], fun['end_month'])])

df.groupby('month').key.nunique()
#month
#1     1
#2     3
#3     3
#4     2
#5     1
#6     2
#7     2
#8     1
#9     1
#10    2
#11    2
#12    2
#Name: key, dtype: int64

【讨论】：

【解决方案3】：

在 pandas 1.0.0 中使用 pd.IntervalIndex 有点有趣。

ii = pd.IntervalIndex.from_arrays(fun['start_month'], fun['end_month'], closed='both')
monthrange = np.arange(1,13)
pd.Series(monthrange, index=monthrange).apply(lambda x: sum(ii.contains(x)))\
  .rename_axis('months').rename('count')

输出：

months
1     1
2     3
3     3
4     2
5     1
6     2
7     2
8     1
9     1
10    2
11    2
12    2
Name: count, dtype: int64

【讨论】：