python - 如何在某些条件下获取特定日期之前的行数

Question

我有如下数据集:

    start_date  finish_date
0   2020-06-01  2020-06-02
1   2020-06-02  2020-06-04
2   2020-06-03  NaT
3   2020-06-04  2020-06-07
4   2020-06-05  2020-06-07
5   2020-06-06  NaT
6   2020-06-07  NaT

可以使用以下代码重新创建:

import pandas as pd

df = pd.DataFrame({
    'start_date': ['2020-06-01', '2020-06-02', '2020-06-03', '2020-06-04', '2020-06-05', '2020-06-06', '2020-06-07'],
    'finish_date': ['2020-06-02', '2020-06-04', pd.NA, '2020-06-07', '2020-06-07', pd.NA, pd.NA],
})
df['start_date'] = df['start_date'].apply(pd.to_datetime)
df['finish_date'] = df['finish_date'].apply(pd.to_datetime)

问题是:如何得到没有finish_date或者到reporting_date还没有完成的行数，下面是预期结果:

    reporting_date  not_finished
0   2020-06-01      1
1   2020-06-02      1
2   2020-06-03      2
3   2020-06-04      2
4   2020-06-05      3
5   2020-06-06      4
6   2020-06-07      3

解释上面的预期结果:

(当我说行时，我指的是数据集中的行而不是结果)

• 到 reporting_date 2020-06-01，行 0 已开始但未完成，这算作 1.
• 到 reporting_date 2020-06-02，行 0 已经完成，行 1 已经开始但还没有完成，这算 1。
• 到 reporting_date 2020-06-03，行 1 和 2 已开始但尚未完成, 即 2。
• 到 reporting_date 2020-06-04，行 2 已经完成，行 2 和 3 已经开始但还没有完成，算作 2。
• 等等..

Answer 1

使用列表推导将每个 reporting_date 与 finish_date 的先前值进行比较。要处理 NaT，您需要通过 pd.Timestamp.max

fillna 它

s = df.finish_date.fillna(pd.Timestamp.max)
df['not_finished'] = [(x < s.loc[:i]).sum()  for i, x in enumerate(df.start_date)]

Out[35]:
  start_date finish_date  not_finished
0 2020-06-01  2020-06-02             1
1 2020-06-02  2020-06-04             1
2 2020-06-03         NaT             2
3 2020-06-04  2020-06-07             2
4 2020-06-05  2020-06-07             3
5 2020-06-06         NaT             4
6 2020-06-07         NaT             3