datetime和timestamp与DataFrame一起工作时，我遇到了一个大问题。我想确定日期的星期数，但是发现了一些矛盾之处。这种情况：
df = pd.DataFrame(['2018-12-28', '2018-12-29', '2018-12-30', '2018-12-31',
'2019-01-01', '2019-01-02', '2019-01-03', '2019-01-04'],
columns=['datestr'])
df.date = pd.to_datetime(ddf.datestr, format='%Y-%m-%d')
df['week'] = ddf.date.apply(lambda x: x.week)
df['m'] = ddf.date.apply(lambda x: (x.year, x.week))
df['weekpy'] = ddf.m.apply(lambda d: datetime.strptime(str(d)+'-1', "(%Y, %W)-%w"))
给我
datestr week m weekpy
0 2018-12-28 52 (2018, 52) 2018-12-24
1 2018-12-29 52 (2018, 52) 2018-12-24
2 2018-12-30 52 (2018, 52) 2018-12-24
3 2018-12-31 1 (2018, 1) 2018-01-01
4 2019-01-01 1 (2019, 1) 2019-01-07
5 2019-01-02 1 (2019, 1) 2019-01-07
6 2019-01-03 1 (2019, 1) 2019-01-07
7 2019-01-04 1 (2019, 1) 2019-01-07
如您所见，2018-12-31的日期timestamp在2019年的第一周（星期一），但仍在2018年。此外，datetime的日期2019年第一周的第一天是2019-01-07。
我们如何处理呢？目的是按周分组
答案 0 :(得分：2)
熊猫Timestamp和Python datetime.date都报告ISO 8601 week numbers：
import datetime as DT
import pandas as pd
df = pd.DataFrame(['2018-12-28', '2018-12-29', '2018-12-30', '2018-12-31',
'2019-01-01', '2019-01-02', '2019-01-03', '2019-01-04'],
columns=['date'])
df['date'] = pd.to_datetime(df['date'], format='%Y-%m-%d')
df['datenum'] = df['date'].dt.week
df['py-ios-weeknum'] = [d.isocalendar()[1] for d in df['date'].dt.date]
df['py-iso-year'] = [d.isocalendar()[0] for d in df['date'].dt.date]
df['week'] = df.date.apply(lambda x: x.week)
df['m'] = df.date.apply(lambda x: (x.isocalendar()[0], x.isocalendar()[1]))
df['weekpy'] = df.m.apply(lambda d: DT.datetime.strptime(str(d)+'-1', "(%Y, %W)-%w"))
print(df)
收益
date datenum py-ios-weeknum py-iso-year week m weekpy
0 2018-12-28 52 52 2018 52 (2018, 52) 2018-12-24
1 2018-12-29 52 52 2018 52 (2018, 52) 2018-12-24
2 2018-12-30 52 52 2018 52 (2018, 52) 2018-12-24
3 2018-12-31 1 1 2019 1 (2019, 1) 2019-01-07
4 2019-01-01 1 1 2019 1 (2019, 1) 2019-01-07
5 2019-01-02 1 1 2019 1 (2019, 1) 2019-01-07
6 2019-01-03 1 1 2019 1 (2019, 1) 2019-01-07
7 2019-01-04 1 1 2019 1 (2019, 1) 2019-01-07
df['datenum'] = df['date'].dt.week等效于df['week'] = df.date.apply(lambda x: x.week)，
但是使用Series.dt accessor（在编写和性能方面）要比df.date所做的在apply中的每个项目上调用lambda函数要快。
使用Python datetime.date（或datetime.datetime），这是获取
ISO周编号是呼叫其isocalendar method：
In [76]: d = DT.datetime(2018,12,31)
In [87]: iso_year, iso_week_number, iso_weekday = d.isocalendar()
In [88]: print(iso_year, iso_week_number, iso_weekday)
2019 1 1
请注意，2018-12-31处于ISO年度2019。要使df['weekpy']返回ISO星期的第一天，您必须通过 ISO年度，{{1} }，而不是实际的年份d.isocalendar()[0]。
d.year答案 1 :(得分：1)
鉴于跨两个不同日历年的那几周的.week属性是如何设置的，我们需要一个对新年不了解的分组功能。最简单的解决方案是假设数据中没有跳过（每天都有一行）并将其划分为7个大块。
但这感觉真的很脆弱。取而代之的是，这里有一个实现询问“这个星期几是星期一？”的实现。并对此进行分组。
df.date.apply(lambda t: t - (t.dayofweek * pd.Timedelta('1 day')))
之所以有用，是因为一周中一周中给定一周的星期一的确切datetime值是唯一的。这是demo。
这当然是假设您希望2018年12月31日与2019年1月1日位于同一周（可以说，这是因为它属于同一周一至周日的时间片，但是正如Idlehands指出的那样，由您决定的语义问题。
答案 2 :(得分：1)
使用isocalendar()返回tuple中的(year, week, day)：
df['m'] = df['date'].apply(lambda x: x.isocalendar()[:2]) # only need the year and week
# 0 (2018, 52)
# 1 (2018, 52)
# 2 (2018, 52)
# 3 (2019, 1)
# 4 (2019, 1)
# 5 (2019, 1)
# 6 (2019, 1)
# 7 (2019, 1)
要计算一周的开始时间，请减去dayofweek：
df['weekpy'] = df['date'].apply(lambda x: x - pd.Timedelta(days=x.dayofweek))
# 0 2018-12-24
# 1 2018-12-24
# 2 2018-12-24
# 3 2018-12-31
# 4 2018-12-31
# 5 2018-12-31
# 6 2018-12-31
# 7 2018-12-31
最终结果：
date week m weekpy
0 2018-12-28 52 (2018, 52) 2018-12-24
1 2018-12-29 52 (2018, 52) 2018-12-24
2 2018-12-30 52 (2018, 52) 2018-12-24
3 2018-12-31 1 (2019, 1) 2018-12-31
4 2019-01-01 1 (2019, 1) 2018-12-31
5 2019-01-02 1 (2019, 1) 2018-12-31
6 2019-01-03 1 (2019, 1) 2018-12-31
7 2019-01-04 1 (2019, 1) 2018-12-31