如何在python中使用panda计算满足某些条件的日期范围内的天数

Question

我目前有一个pandas数据帧，其中每行都有一个日期范围，我想计算这个范围内符合某些条件的天数：

Item | Date Start | Date End
----------------------
A    | 02/01/2019 | 03/02/2019
B    | 04/02/2019 | 08/02/2019

例如：2019年1月内的天数或2019年的天数：

Item | Date Start | Date End    | Days in Jan-2019 | Days in 2019 | Days in Q1 - 2019
------------------------------------------------------------------------------------
A    | 02/01/2019 | 03/02/2019  | 30               | 33           | 33
B    | 04/04/2019 | 08/04/2019  | 0                | 5            | 0

理想情况下，我不想为范围内的每个日期都创建一行来进行计算，并且可以保持行结构不变，但无法确定如何进行计算，或者最有效的方法是什么。

谢谢！

Answer 1

这里有必要为每对创建范围，如果只有几个条件可能，则使用sum和条件：

df['Date Start'] = pd.to_datetime(df['Date Start'], dayfirst=True)
df['Date End'] = pd.to_datetime(df['Date End'], dayfirst=True)
s = df.apply(lambda x: pd.date_range(x['Date Start'], x['Date End']), axis=1)
df['Days in Jan-2019'] = s.apply(lambda x: ((x.year == 2019) & (x.month == 1)).sum())
df['Days in 2019'] = s.apply(lambda x: (x.year == 2019).sum())
df['Days in Q1 2019'] = s.apply(lambda x: ((x.year == 2019) & (x.quarter == 1)).sum())
print (df)
Item Date Start   Date End  Days in Jan-2019  Days in 2019  Days in Q1 2019
0    A 2019-01-02 2019-02-03                30            33               33
1    B 2019-02-04 2019-02-08                 0             5                5

另一个想法是使用DataFrame.explode来压平日期范围，并按级别值聚合sum：

df['Date Start'] = pd.to_datetime(df['Date Start'], dayfirst=True)
df['Date End'] = pd.to_datetime(df['Date End'], dayfirst=True)
df['r'] = df.apply(lambda x: pd.date_range(x['Date Start'], x['Date End']), axis=1)
df1 = df.explode('r')
df1['Days in Jan-2019'] = (df1['r'].dt.year == 2019) & (df1['r'].dt.month == 1)
df1['Days in 2019'] =     df1['r'].dt.year == 2019
df1['Days in Q1 2019'] = (df1['r'].dt.year == 2019) & (df1['r'].dt.quarter == 1)
df = df.drop('r', axis=1).join(df1.sum(level=0))
print (df)
Item Date Start   Date End  Days in Jan-2019  Days in 2019  Days in Q1 2019
0    A 2019-01-02 2019-02-03                30            33               33
1    B 2019-02-04 2019-02-08                 0             5                5