按周对数据框进行分组，并将一周内的最小和最大日期获取到新列

Question

我有一个数据框，其中包含列“ call_date”（这是通话日期）和“ call_week”（这是星期数）（一周不一定从星期一或星期日开始，不一定持续7天）： / p>

我想做的是将新列添加到数据框，其中包含以“-”分隔的星期边界日期。例如，如果我们有一个WEEK 68，其最小CALL_DATE为2019-04-25，最大CALL_DATE为2019-04-30，则新列应包含值{{1} }。

我尝试过： 2019-04-25 - 2019-04-30

dfg = df.groupby('WEEK')['CALL_DATE'].agg(['min', 'max']).reset_index()：

然后我通过dfg将这些最小和最大列添加到df：

join

现在，我尝试应用df = df.join(dfg, lsuffix = 'WEEK', rsuffix = 'WEEK')函数将包含结果的列连接起来：

lambda

但是我收到一个错误：df['WEEK_TEXT'] = df.apply(lambda x : x['min'].strftime("%d.%m.%Y") + ' - ' + x['max'].strftime("%d.%m.%Y"))

我该如何解决？

Answer 1

最好使用Series.dt.strftime：

df['WEEK_TEXT'] = df['min'].dt.strftime("%d.%m.%Y") + ' - ' + df['max'].dt.strftime("%d.%m.%Y")

在您的解决方案中，按行进行的处理axis=1是必需的：

f = lambda x : x['min'].strftime("%d.%m.%Y") + ' - ' + x['max'].strftime("%d.%m.%Y")
df['WEEK_TEXT'] = df.apply(f, axis=1)