如何基于案例起止日期统计三年内每周的案例数量？

嗨，别担心，新手阶段处理这类时间序列统计需求很正常～我来一步步帮你实现这个目标！

核心思路 #

我们需要先生成目标三年内的所有周区间，然后统计每个周内时间区间与该周有重叠的案例数量（即案例的Start_Date ≤ 周结束日期，且End_Date ≥ 周开始日期）。

步骤实现（使用Pandas） #

1. 导入依赖库并准备数据 #

首先导入pandas，并将你的数据转换为Pandas DataFrame，同时把日期列转为datetime类型（这是时间统计的基础）：

import pandas as pd
from datetime import datetime

# 你的示例数据（实际使用时可以用pd.read_csv读取你的数据集）
data = {
    'ID': [1,2,3,4,5,6,7,8],
    'Start_Date': ['2015-01-04','2015-01-05','2015-01-07','2015-01-12','2015-01-15','2015-01-21','2015-01-21','2015-01-22'],
    'End_Date': ['2017-11-02','2015-10-26','2015-03-04','2016-05-17','2015-04-08','2016-07-31','2015-07-16','2015-03-03']
}

df = pd.DataFrame(data)
# 将日期列转换为datetime类型
df['Start_Date'] = pd.to_datetime(df['Start_Date'])
df['End_Date'] = pd.to_datetime(df['End_Date'])

2. 生成三年内的所有周区间 #

我们可以根据数据的实际时间范围（或者固定三年）生成每周的起始和结束日期：

# 方法1：固定三年范围（2015-01-01至2017-12-31）
start_range = datetime(2015, 1, 1)
end_range = datetime(2017, 12, 31)

# 方法2：根据数据集自动获取时间范围（更灵活）
# start_range = df['Start_Date'].min().floor('D')
# end_range = df['End_Date'].max().ceil('D')

# 生成每周起始日期，freq='W-MON'表示每周一为周起始，可改为'W-SUN'（周日起始）
weekly_starts = pd.date_range(start=start_range, end=end_range, freq='W-MON')

# 创建周区间DataFrame，包含周起始、周结束日期
weekly_df = pd.DataFrame({
    'Week_Start': weekly_starts,
    'Week_End': weekly_starts + pd.Timedelta(days=6)  # 周结束为起始+6天
})

3. 统计每周的活跃案例数 #

这里提供两种方法，适合不同数据量场景：

方法A：简单易用的Apply方法（适合中小数据集，比如你的2000行）

# 定义函数：计算单个周区间内的活跃案例数
def count_active(row):
    # 判断案例时间区间与当前周是否重叠
    is_active = (df['Start_Date'] <= row['Week_End']) & (df['End_Date'] >= row['Week_Start'])
    return is_active.sum()  # 统计True的数量

# 应用到每个周
weekly_df['Active_Cases'] = weekly_df.apply(count_active, axis=1)

方法B：向量化方法（更高效，适合超大数据集）

用Numpy广播实现批量判断，速度比Apply快很多：

# 将日期转换为timestamp格式，便于广播运算
case_starts = df['Start_Date'].values.astype('datetime64[ns]')
case_ends = df['End_Date'].values.astype('datetime64[ns]')
week_starts = weekly_df['Week_Start'].values.astype('datetime64[ns]')
week_ends = weekly_df['Week_End'].values.astype('datetime64[ns]')

# 批量判断每个案例在每个周是否活跃
active_mask = (case_starts[:, None] <= week_ends) & (case_ends[:, None] >= week_starts)
# 按周求和，得到每周活跃案例数
weekly_df['Active_Cases'] = active_mask.sum(axis=0)

4. 优化结果展示（可选） #

可以添加标准的周编号（如2015-W01），让结果更清晰：

weekly_df['Week_Number'] = weekly_df['Week_Start'].dt.strftime('%Y-W%U')

# 展示最终结果的前几行
print(weekly_df[['Week_Number', 'Week_Start', 'Week_End', 'Active_Cases']].head())

最终输出的DataFrame就会清晰展示每个周的起始/结束日期，以及对应的活跃案例数量啦！

内容的提问来源于stack exchange，提问作者yfa