计算每个月的活动项目数，从熊猫DataFrame中每个项目的开始和结束日期计算得出
计算每个月的活动项目数，从熊猫DataFrame中每个项目的开始和结束日期计算得出
提问于 2018-06-03 06:05:07
假设我们有以下DataFrame，它详细描述了错误跟踪系统中的错误：
import pandas as pd
bugs = pd.DataFrame([
{'key': 'ABC-1', 'priority': 'high', 'start': pd.Timestamp(2018, 1, 1), 'end': pd.Timestamp(2018,3,20)},
{'key': 'ABC-2', 'priority': 'med', 'start': pd.Timestamp(2018, 1, 2), 'end': pd.Timestamp(2018,1,20)},
{'key': 'ABC-3', 'priority': 'high', 'start': pd.Timestamp(2018, 2, 3), 'end': pd.Timestamp(2018,3,20)},
{'key': 'ABC-4', 'priority': 'med', 'start': pd.Timestamp(2018, 1, 4), 'end': pd.Timestamp(2018,3,20)},
{'key': 'ABC-5', 'priority': 'high', 'start': pd.Timestamp(2018, 2, 5), 'end': pd.Timestamp(2018,2,20)},
{'key': 'ABC-6', 'priority': 'med', 'start': pd.Timestamp(2018, 3, 6), 'end': pd.Timestamp(2018,3,20)}
], columns=['key', 'priority', 'start', 'end'])在这里，start和end表示首次发现错误的日期，以及关闭错误的日期。
我们如何计算每个月的“开放”bug的数量，并按优先级细分？也就是说，输出如下所示：
High Med
Month
January 1 2
February 3 1
March 2 2挑战是同时考虑“开始”和“结束”日期。因此，在1月5日打开并在2月3日关闭的优先级为“高”的bug应该计入1月和2月的“高”优先级bug，而不是3月。诸若此类。
回答 4
Stack Overflow用户
发布于 2018-06-03 06:50:15
我在resample中使用stack
from pandas.tseries.offsets import MonthEnd
s=bugs.set_index(['key','priority']).stack() # faltten your dataframe , make start and end in the same row , since we do need a range of date
s=pd.to_datetime(s)+MonthEnd(1) # change the date to same scale , month end , since you need monthly data only
s=s.reset_index().drop_duplicates(['key',0]) # if the start is same with end , we only need keep one of them.
s=s.groupby('key').apply(lambda x : x.set_index(0).resample('M').ffill()).reset_index(level=1) # groupby the key then we resample , adding the value between the start and end prepare for the frequency count
pd.crosstab(s[0].dt.month,s['priority'])# count the frequency
Out[149]:
priority high med
0
1 1 2
2 3 1
3 2 2Stack Overflow用户
发布于 2018-06-03 07:04:45
简单而简短:)
这个想法是每月选择bug每月重叠的行。
months = ['January', 'February', 'March',
'April'] # of course you can complete this list
bugs[months] = pd.concat([((bugs['start'].dt.month <= i) &
(i <= bugs['end'].dt.month)).astype(int)
for i in range(1, len(months) + 1)], axis=1)
bugs.groupby('priority')[months].sum()结果：
January February March April
priority
high 1 3 2 0
med 2 1 2 0Stack Overflow用户
发布于 2018-06-03 07:08:52
from pandas.tseries.offsets import MonthEnd
# Last day of the previous month
bugs['start1'] = bugs.start + MonthEnd(-1)
# The first days of the months that > start1 and <= end
bugs['months'] = bugs[['start1', 'end']].apply(lambda x: tuple(pd.date_range(x[0], x[1], freq='MS')), axis=1, raw=True)
# Create dummy columns
dummies = bugs.months.apply(lambda x: pd.Series({k:1 for k in x})).fillna(0)
bugs = bugs.join(dummies)
# Aggregation
bugs.groupby('priority')[dummies.columns].sum().T
priority high med
2018-01-01 1.0 2.0
2018-02-01 3.0 1.0
2018-03-01 2.0 2.0页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/50661541
复制相关文章
相似问题