创建一个Pandas数据框，其中包含跨越日期范围的项目数
问题内容：
我有一个DF，它有两个感兴趣的日期，看起来像：
LIST_DATE END_DATE
2000-04-18 2000-05-17 00:00:00
2000-05-18 2000-09-18 00:00:00
2000-04-18 2001-06-07 00:00:00
我按月创建了一个期间索引表“ montot”，该表目前仅具有月和年索引
<class 'pandas.tseries.period.PeriodIndex'>
freq: M
[1999-01, ..., 2013-07]
我想要做的是对第二个表中的每个月“
montot”计数在该时间段内的第一个表中的项目（可能是按月激活的列表），然后将该字段添加到表中…因此例如，第一个表中的第一项将在第4个月中计数为1，第5个月为一次，而第二项将在第5个月至第9个月中计数为1，依此类推。将每月总计记录在新表/字段中。所以我有一张桌子
Month active
1/1999 5
2/1999 8
等等。尚不知道如何使用Pandas / Python进行处理…
问题答案：
这是一种实现方法，首先value_counts是每个日期列中的 句点
（使用to_periodTimestamp方法）：
In [11]: p = pd.PeriodIndex(freq='m', start='2000-1', periods=18)
In [12]: starts = df['LIST_DATE'].apply(lambda t: t.to_period(freq='m')).value_counts()
In [13]: ends = df['END_DATE'].apply(lambda t: t.to_period(freq='m')).value_counts()
通过PeriodIndex重新为这些索引编制索引，填写NaN（以便您可以减去），并从累积结束数中选择累积开始数，以使您当前处于活动状态：
In [14]: starts.reindex(p).fillna(0).cumsum() - ends.reindex(p).fillna(0).cumsum()
Out[14]:
2000-01 0
2000-02 0
2000-03 0
2000-04 2
2000-05 2
2000-06 2
2000-07 2
2000-08 2
2000-09 1
2000-10 1
2000-11 1
2000-12 1
2001-01 1
2001-02 1
2001-03 1
2001-04 1
2001-05 1
2001-06 0
Freq: M, dtype: float64
最后一个替代步骤是创建一个DataFrame（最初跟踪更改，因此开始为正，结束为负）：
In [21]: current = pd.DataFrame({'starts': starts, 'ends': -ends}, p)
In [22]: current
Out[22]:
ends starts
2000-01 NaN NaN
2000-02 NaN NaN
2000-03 NaN NaN
2000-04 NaN 2
2000-05 -1 1
2000-06 NaN NaN
2000-07 NaN NaN
2000-08 NaN NaN
2000-09 -1 NaN
2000-10 NaN NaN
2000-11 NaN NaN
2000-12 NaN NaN
2001-01 NaN NaN
2001-02 NaN NaN
2001-03 NaN NaN
2001-04 NaN NaN
2001-05 NaN NaN
2001-06 -1 NaN
In [23]: current.fillna(0)
Out[23]:
ends starts
2000-01 0 0
2000-02 0 0
2000-03 0 0
2000-04 0 2
2000-05 -1 1
2000-06 0 0
2000-07 0 0
2000-08 0 0
2000-09 -1 0
2000-10 0 0
2000-11 0 0
2000-12 0 0
2001-01 0 0
2001-02 0 0
2001-03 0 0
2001-04 0 0
2001-05 0 0
2001-06 -1 0
累计跟踪开始和结束时的运行总计：
In [24]: current.fillna(0).cumsum()
Out[24]:
ends starts
2000-01 0 0
2000-02 0 0
2000-03 0 0
2000-04 0 2
2000-05 -1 3
2000-06 -1 3
2000-07 -1 3
2000-08 -1 3
2000-09 -2 3
2000-10 -2 3
2000-11 -2 3
2000-12 -2 3
2001-01 -2 3
2001-02 -2 3
2001-03 -2 3
2001-04 -2 3
2001-05 -2 3
2001-06 -3 3
将这些列加在一起，得出当前处于活动状态的列，结果与上面相同：
In [25]: current.fillna(0).cumsum().sum(1)
