python - 计算每个月活跃的项目数，根据 Pandas DataFrame 中的每个项目开始和结束日期计算

Question

假设我们有以下 DataFrame，它详细说明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'])

这里，start和end分别代表第一次发现bug的日期和关闭的日期。

我们如何按月计算“未解决”错误的数量，并按优先级分割？也就是说，输出如下所示:

           High   Med
Month
January       1   2
February      3   1
March         2   2

挑战在于同时考虑“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“高”错误应该计入 1 月和 2 月的“高”优先级错误，而不是 3 月。等等。

Answer 1

简单而简短:)
这个想法是每月选择错误重叠的行。

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      0