假设我有以下数据示例：
df = pd.DataFrame({'date':['2011-01-01','2011-01-02',
'2011-01-03','2011-01-04','2011-01-05',
'2011-01-06','2011-01-07','2011-01-08',
'2011-01-09','2011-12-30','2011-12-31'],
'revenue':[5,3,2,
10,12,2,
1,0,6,10,12]})
# Let's format the date and add the week number and year
df['date'] = pd.to_datetime(df['date'],format='%Y-%m-%d')
df['week_number'] = df['date'].dt.week
df['year'] = df['date'].dt.year
df
date revenue week_of_year year
0 2011-01-01 5 52 2011
1 2011-01-02 3 52 2011
2 2011-01-03 2 1 2011
3 2011-01-04 10 1 2011
4 2011-01-05 12 1 2011
5 2011-01-06 2 1 2011
6 2011-01-07 1 1 2011
7 2011-01-08 0 1 2011
8 2011-01-09 6 1 2011
9 2011-12-30 10 52 2011
10 2011-12-31 12 52 2011
我想计算每周的收入，以便以后绘制结果并分析时间序列。预期的输出将是这样的：
week revenue
0 1 8
1 2 33
2 52 22
我首先想到的是使用给出的星期数timestamp.week。
但是，我不知道如何处理第1周之前的那周的ISO周编号定义。我有点困惑，因为按week_number这种情况进行分组将在今年年初将这两个收入相加，以及年底的
使用dt.week转换时，它是ISO周日期。
您可以使用 strftime
df.groupby(df.date.dt.strftime('%W')).revenue.sum()
Out[588]:
date
00 8
01 33
52 22
Name: revenue, dtype: int64
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句