熊猫日期时间周不像预期的那样

Question

使用 Pandas 日期时间时，我试图按周和年对数据进行分组。但是，我注意到有些年份一年的最后一天与同年的第一周归为一组。

import pandas as pd
day_df = pd.DataFrame(index=pd.date_range('2016-01-01', '2020-12-31'))

for (week, year), subset in day_df.groupby([day_df.index.week, day_df.index.year]):
     if week == 1:
         print('Week:', subset.index.min(), subset.index.max())

Week: 1 2016-01-04 00:00:00 2016-01-10 00:00:00
Week: 1 2017-01-02 00:00:00 2017-01-08 00:00:00
Week: 1 2018-01-01 00:00:00 2018-12-31 00:00:00
Week: 1 2019-01-01 00:00:00 2019-12-31 00:00:00
Week: 1 2020-01-01 00:00:00 2020-01-05 00:00:00

对于 2018 和 2019 年，一年的第一天与一年的最后一天归为一组！这种行为是预期的吗？为什么一年的最后一天是第 1 周？

我已经用基本if语句得到了我想要的结果，但这种week行为似乎可能会导致问题，因为它是出乎意料的。

这符合我对分组的意图：

for (week, year), subset in day_df.groupby([day_df.index.week, day_df.index.year]):
    # Prevent first week of year from including final days of same year
    if set(subset.index.month.unique()) == set([1, 12]):
        subset = subset.loc[subset.index.month == 1]
    if week == 1:
        print('Week:', week, subset.index.min(), subset.index.max())

Week: 1 2016-01-04 00:00:00 2016-01-10 00:00:00
Week: 1 2017-01-02 00:00:00 2017-01-08 00:00:00
Week: 1 2018-01-01 00:00:00 2018-01-07 00:00:00
Week: 1 2019-01-01 00:00:00 2019-01-06 00:00:00
Week: 1 2020-01-01 00:00:00 2020-01-05 00:00:00

Answer 1

答案在于 .week() 是一个星期的序号。.week() 方法在文档中最低限度地定义为：

日期时间索引.week

一年中的第几周

周序数正式称为 ISO 周日期。可以 在 python 3.7.3 datetime 文档中的date.isocalendar()下找到有关它在 python 中的更多说明。有关周序如何工作的一般说明，您可以在ISO 周日期的维基百科中找到完整的详细信息。

2019 年的周序可以在EpochConverter.com上找到，它清楚地显示了一年的第一天是 2018 年 12 月 31 日。

如果我们查看 2019 年的第 1 周，我们可以看到 12 月 31 日是第一天，并从 2019 年的第 1 周开始。因此，这实际上符合您在年初过滤器中包含的标准。

下面我们筛选 2018 年底和 2019 年初，看看 .week 正在做什么。

day_df["ordinal"] = day_df.index.week
day_df["day_of_week"] = day_df.index.weekday
print(day_df.loc["2018-12-28":"2019-01-08"])



             ordinal  day_of_week
2018-12-28       52            4
2018-12-29       52            5
2018-12-30       52            6
2018-12-31        1            0
2019-01-01        1            1
2019-01-02        1            2
2019-01-03        1            3
2019-01-04        1            4
2019-01-05        1            5
2019-01-06        1            6
2019-01-07        2            0
2019-01-08        2            1

您需要添加一个月的标准，以确保它是在您在上面的问题中发现的一月份。这也有效。

for (week, month, year), subset in day_df.groupby(
    [day_df.index.week, day_df.index.month, day_df.index.year]
):
    if week == 1 and month == 1:
        print("Week:", subset.index.min(), subset.index.max())

如果您希望第一周在同一天开始，请使用[pandas.period.strftime()] 5

%U 定义为

一年中的周数（星期日作为一周的第一天）作为十进制数 [00,53]。新年第一个星期日之前的所有日子都被视为第 0 周。

对于您的数据框，这看起来像：

day_df['date'] = day_df.index
day_df["day_name"] = day_df['date'].dt.day_name()
day_df['str_from_time'] = day_df['date'].apply(lambda x: x.strftime("%U"))
day_df.loc["2018-12-28":"2019-01-08",['ordinal', 'str_from_time', 'day_of_week', 'day_name']]

            ordinal str_from_time  day_of_week   day_name
2018-12-28       52            51            4     Friday
2018-12-29       52            51            5   Saturday
2018-12-30       52            52            6     Sunday
2018-12-31        1            52            0     Monday
2019-01-01        1            00            1    Tuesday
2019-01-02        1            00            2  Wednesday
2019-01-03        1            00            3   Thursday
2019-01-04        1            00            4     Friday
2019-01-05        1            00            5   Saturday
2019-01-06        1            01            6     Sunday
2019-01-07        2            01            0     Monday
2019-01-08        2            01            1    Tuesday