Question

我有以下示例数据框：

Date                count_row   Work_Type
2018-07-31 00:00:00 1           logpage
2018-08-01 00:00:00 1           logpage
2018-08-01 00:00:00 1           logpage
2018-08-01 00:00:00 1           logpage
2018-08-01 00:00:00 1           logpage
2018-09-02 00:00:00 1           logpage
2018-09-02 00:00:00 1           logpage
2018-09-03 00:00:00 1           logpage
2018-09-04 00:00:00 1           logpage
2018-09-04 00:00:00 1           logpage
2018-09-06 00:00:00 1           logpage
2018-09-07 00:00:00 1           logpage
2018-09-08 00:00:00 1           logpage

我想将其分解为几周，并计算该周的出现次数。具体来说，我认为一周的开始是星期一，一周的结束是星期日。

例如，9/3/2018是星期一（或我认为是一周的开始）。所以从那个星期一到下一个星期日，我算的都是9/3/2018。

以下是我正在寻找的数据框结果：

Beginning of Week Date (Mon)    count
7/30/2018                       5
8/27/2018                       2
9/3/2018                        6

我尝试了以下代码：

df.set_index('Date', inplace=True)
df.sort_index(inplace=True)

def take_first(array_like):
    return array_like[0]

output = df.resample('W',                  
                    how={'Date': take_first, 
                         'count_row': 'sum'}, 
                    loffset=pd.offsets.timedelta(days=-6))

这是我得到的错误：

IndexError: index out of bounds

Answer 1

一点时间算术+ value_counts应该可以解决这个问题：

找到从一周开始的天数偏移量
减去增量以获取一周的开始
计算这些值。

(df['Date'].sub(pd.to_timedelta(df['Date'].dt.dayofweek, unit='D'))
    .value_counts(sort=False))

2018-07-30    5
2018-08-27    2
2018-09-03    6
Name: Date, dtype: int64

Answer 2

您可以使用resample：

df.resample('W-Mon', on='Date', label='left', closed='left').sum().query('count_row > 0')

输出：

            count_row
Date                 
2018-07-30          5
2018-08-27          2
2018-09-03          6

使用pandas groupby计算周数

2 个答案: