确定日期范围内不包括重叠的空白天数

如何解决确定日期范围内不包括重叠的空白天数

我正在处理一个以 parent_id、id、start_date 和 end_date 作为列的数据集。

我想检查在一个日历年中，parent_id 没有运行 id 的天数。问题在于“重叠”。我想排除重叠的日子。我该如何解决这个问题？

样本输入：

parent_id   id  start_date  end_date

ABCD    1   2019-10-26  2020-06-30

ABCD    2   2020-01-02  2020-04-01

ABCD    3   2020-07-09  2020-12-31

ABCD    4   2020-07-14  2020-09-26

EFGH    22  2020-01-02  2020-03-31

EFGH    23  2020-01-02  2020-04-01

EFGH    24  2020-01-15  2020-04-07

样本输出：

parent_id   Year (2020)

ABCD    8

EFGH    268

因此，在 2020 年，parent_id ABCD 有 8 天处于非活动状态。 （7 月 1 日至 7 月 8 日）。

我确实在门户网站上参考了类似的问题，但没有一个对我的问题有效。

Efficient date range overlap calculation in python?

How to find range overlap in python?

Find date range overlap in python

解决方法

这可能会满足您的需求：

def count_inactive_days(data):
    all_days = pd.date_range(pd.Timestamp(data["start_date"].min().year,1,1),pd.Timestamp.today(),freq="D")
    active_days = pd.DatetimeIndex(sorted(set(date for sublist in data.apply(lambda x: pd.date_range(x["start_date"],x["end_date"],freq="D"),axis=1).to_list() for date in sublist)))
    inactive_days = all_days.to_series().resample("Y").count() - active_days.to_series().resample("Y").count()
    inactive_days.index = inactive_days.index.year
    return inactive_days

>>> pd.concat([df.groupby("parent_id").apply(count_inactive_days)]).unstack()
            2019   2020
parent_id              
ABCD       298.0    8.0
EFGH         NaN  269.0