按国家分组将每日数据聚合为周均值数据的解决方案

嘿，这个需求其实用Pandas（Python）或者SQL都能轻松实现，核心就是先按国家分组，再对每个组内的日期做周级聚合计算均值。我给你分两种常用场景详细说：

场景1：用Python Pandas处理本地数据集 #

假设你的数据已经加载成Pandas DataFrame了，步骤如下：

1. 先把日期列转换成datetime类型（这是按时间聚合的前提，必须做！）
2. 按「国家+周」分组，计算StringencyIndex的均值

代码示例 #

import pandas as pd

# 1. 读取并预处理数据（假设你的数据是CSV格式）
df = pd.read_csv('your_dataset.csv')
df['Date'] = pd.to_datetime(df['Date'])  # 转换日期格式

# 2. 按国家和周分组计算均值（两种方式可选）
# 方式一：用to_period直接生成周标签（默认周日为周结束，可自定义）
weekly_avg = df.groupby(
    ['Country', df['Date'].dt.to_period('W')]  # 改成'W-MON'可将周一设为周结束
)['StringencyIndex'].mean().reset_index()

# 方式二：用ISO年+周数分组（避免跨年周混淆，更严谨）
weekly_avg = df.groupby(
    ['Country', df['Date'].dt.isocalendar().year, df['Date'].dt.isocalendar().week]
)['StringencyIndex'].mean().reset_index()
# 重命名列名更直观
weekly_avg.rename(columns={'year': 'Year', 'week': 'Week'}, inplace=True)

结果说明 #

拿你给出的Aruba数据举例，2020-01-01到2020-01-06都属于2020年第1周（ISO周规则），计算后的周均值就是0，完全符合预期。

场景2：用SQL处理数据库中的数据 #

如果你的数据存在数据库（比如PostgreSQL、MySQL）里，直接用SQL分组聚合更高效：

PostgreSQL示例 #

SELECT
    Country,
    DATE_TRUNC('week', "Date") AS Week_Start_Date,  -- 生成周起始日期
    AVG(StringencyIndex) AS Weekly_Stringency_Index
FROM your_table
GROUP BY Country, DATE_TRUNC('week', "Date")
ORDER BY Country, Week_Start_Date;

MySQL示例 #

MySQL里用WEEK()函数或者DATE_FORMAT实现：

SELECT
    Country,
    DATE_FORMAT(`Date`, '%Y-%u') AS Year_Week,  -- 格式化为"年-周数"格式
    AVG(StringencyIndex) AS Weekly_Stringency_Index
FROM your_table
GROUP BY Country, Year_Week
ORDER BY Country, Year_Week;

这两种方式都能完美实现你要的「按国家划分的周度StringencyIndex」需求~

内容的提问来源于stack exchange，提问作者laser.p