zumindest für mich, Sie geben keine gute Illustration, was ist dein Problem und was willst du bekommen. meinst du das?
import pandas as pd
import numpy as np
from datetime import datetime
start = datetime(2016,1,1)
end = datetime(2016,12,31)
idx = pd.date_range('2015-01-01','2017-09-01')
df = pd.DataFrame(np.random.randint(10,size= (len(idx),2)), index= idx, columns=['VALUE',"LA_DECH"])
rng = pd.date_range(start, end, freq='BM')
# filted by start and end date
df = df[(df.index>start)&(df.index <end)] # this line is not necessary needed
print(df.groupby([pd.cut(df.index,rng), 'LA_DECH'])['LA_DECH'].count())
LA_DECH
(2016-01-29, 2016-02-29] 0 2
2 1
3 5
4 2
5 3
6 4
7 4
8 5
9 5
(2016-02-29, 2016-03-31] 0 4
2 1
3 4
4 5
5 2
6 3
7 3
8 6
9 3
..
(2016-08-31, 2016-09-30] 8 2
9 1
(2016-11-30, 2016-12-30] 0 2
1 1
2 1
3 1
4 1
5 5
6 3
7 5
8 5
9 6
Name: LA_DECH, Length: 104, dtype: int64
Können Sie ein Beispiel für Ihre 'Daten' angeben? Und was Ihre gewünschte Leistung wäre. – IanS