Python 从两个日期列中去掉月份

我有一个熊猫数据框，它有合同的开始和结束日期以及数量。我将如何剔除单个月份，以便将其汇总和绘制

ex 
Start Date  End Date       Demanded     Customer
1/1/2017    3/31/2017        100            A
2/1/2017    3/31/2017         50            B

去掉接下来的几个月

Month       Demand    Customer
1/1/2017     100      A
2/1/2017     100      A
3/1/2017     100      A
2/1/2017      50      B
3/1/2017      50      B

---

最终的结果是将其作为轴心，然后在x轴上绘制月份图，在y轴上绘制总需求图。您可以首先将列转换为日期。然后使用频率为MS（月初）的和来创建新的扩展数据帧。最后原始列

需求量

和

客户

：

df['Start_Date'] = pd.to_datetime(df['Start Date'])
df['End_Date'] = pd.to_datetime(df['End Date'])

df1 = pd.concat([pd.Series(r.Index, 
                           pd.date_range(r.Start_Date, r.End_Date, freq='MS')) 
                           for r in df.itertuples()])
        .reset_index()
df1.columns = ['Month','idx']
print (df1)
       Month  idx
0 2017-01-01    0
1 2017-02-01    0
2 2017-03-01    0
3 2017-02-01    1
4 2017-03-01    1

df2 = df1.set_index('idx').join(df[['Quantity Demanded','Customer']]).reset_index(drop=True)
print (df2)
       Month  Quantity Demanded Customer
0 2017-01-01                100        A
1 2017-02-01                100        A
2 2017-03-01                100        A
3 2017-02-01                 50        B
4 2017-03-01                 50        B

---

使用

melt

然后

重新采样（'MS'）

---

当我尝试此操作时，列名没有设置。出现了什么问题？有不同的列名？df1.columns=['Month'，'idx']不起作用/不适用。在.reset_index（）之后，df1的值是相同的-我得到一个缩进错误，所以我只是将其更改为d1.reset_index（）-然后当我运行df1.columns=['Month'，'idx']时，它似乎没有任何效果。是因为df1是一个系列吗？（猜测一下）您可以在df.itertuples（）中为r使用一行，如

df1=pd.concat（[pd.Series（r.Index，pd.date\u range（r.Start\u date，r.End\u date，freq='MS'））。reset\u Index（）

df['Start Date'] = pd.to_datetime(df['Start Date'])
df['End Date'] = pd.to_datetime(df['End Date'])

d1 = pd.melt(
    df, ['Demanded', 'Customer'],
    ['Start Date', 'End Date'],
    value_name='Date'
).drop('variable', 1).set_index('Date')

d1.groupby('Customer').apply(lambda df: df.resample('MS').ffill()) \
    .reset_index(0, drop=True) \
    .reset_index()

        Date  Demanded Customer
0 2017-01-01       100        A
1 2017-02-01       100        A
2 2017-03-01       100        A
3 2017-02-01        50        B
4 2017-03-01        50        B