每个时期的价值计数，考虑到先前的价值

Question

我们有一个记录列表，表明指定项目的状态变化。因此，每条记录都指示项目、其活动状态（0 或 1）以及该状态更改的日期。

小例子：

import pandas as pd
data = [
    {"item": "A", "active": 1, "date": "2016-01-01"},
    {"item": "B", "active": 1, "date": "2016-02-01"},
    {"item": "C", "active": 0, "date": "2016-02-10"},
    {"item": "B", "active": 0, "date": "2016-03-01"},
    {"item": "A", "active": 0, "date": "2016-04-01"},
]
df = pd.DataFrame(data)

#    active        date item
# 0       1  2016-01-01    A
# 1       1  2016-02-01    B
# 2       0  2016-02-10    C
# 3       0  2016-03-01    B
# 4       0  2016-04-01    A

我想计算一个聚合来指示每个时间段存在的活动项目的数量。这个数字应该包括那些状态没有改变的项目（在这个例子中，A 没有提到 2 月或 3 月，但应该在两者中都计算在内）。所以在上面的例子中，这将是一个正确的结果：

month   active_count
--------------------
2016-01 1
2016-02 2
2016-03 1
2016-04 0

我们如何在计算周期计数时包含项目的最新值？

Answer 1

你可以使用：

• 将列 date to_datetime + to_period 转换为 month 句号
• set_index + groupby + resample + 上采样 ffill
• groupby by Datetimeindex MultiIndex + sum 的级别
• 最后reset_index

df['date'] = pd.to_datetime(df['date']).dt.to_period('M')
df1 = df.set_index('date')
        .groupby('item')
        .resample('M')
        .ffill()
        .groupby(level=1)['active']
        .sum()
        .reset_index(name='active_count')

print (df1)
     date  active_count
0 2016-01             1
1 2016-02             2
2 2016-03             1
3 2016-04             0