以下是一个示例解决方案，该解决方案根据活动和非活动日期计算单位数量：

import pandas as pd

# 创建示例数据
data = {
    '日期': pd.date_range(start='2022-01-01', end='2022-01-10', freq='D'),
    '活动': [0, 1, 1, 0, 0, 1, 1, 0, 0, 1],
    '单位数量': [100, 200, 150, 100, 100, 250, 200, 100, 100, 300]
}
df = pd.DataFrame(data)

# 将日期设置为索引
df.set_index('日期', inplace=True)

# 按活动和非活动日期计算单位数量
active_dates = df[df['活动'] == 1].index
non_active_dates = df[df['活动'] == 0].index

active_unit_count = df.loc[active_dates, '单位数量'].sum()
non_active_unit_count = df.loc[non_active_dates, '单位数量'].sum()

# 打印结果
print('活动日期单位数量总和:', active_unit_count)
print('非活动日期单位数量总和:', non_active_unit_count)

这个解决方案使用Pandas库来处理和分析数据。它首先创建了一个示例数据框，其中包含日期、活动和单位数量列。然后，它将日期列设置为索引。接下来，它使用条件筛选来获取活动和非活动日期的索引。最后，它使用.loc方法来选择相应日期的单位数量列，并计算总和。

请注意，此示例假设活动列的值为0或1，其中0表示非活动日期，1表示活动日期。您可以根据实际情况进行调整。