为何Pandas无法按指定起始日期进行周分组？

问题背景 #

希望按「周日至周六」的周周期对数据分组求和，示例数据从2023-02-12（周日）到2023-02-25（周六），预期用pd.Grouper(freq='W')或pd.Grouper(freq='W-SUN')实现，但只有freq='W-SAT'符合预期：

import pandas as pd

S = pd.Series([1,2,3,70,2,3,4,5,6,10,20,4,9,1],
              pd.DatetimeIndex(['2023-02-%d' % d for d in range(12,26)]))

# 使用W-SUN的结果（不符合预期）
S.groupby(pd.Grouper(freq='W-SUN',origin='start_day')).sum()
# 输出：
# 2023-02-12     1
# 2023-02-19    89
# 2023-02-26    50
# Freq: W-SUN, dtype: int64

# 使用W-SAT的结果（符合预期）
S.groupby(pd.Grouper(freq='W-SAT',origin='start_day')).sum()
# 输出：
# 2023-02-18    85
# 2023-02-25    55
# Freq: W-SAT, dtype: int64

核心原因 #

Pandas中freq='W-XXX'的规则是以XXX作为一周的结束日期，而非起始日期：

• W-SUN：一周结束于周日，对应周期为「周一 → 周日」
• W-SAT：一周结束于周六，对应周期为「周日 → 周六」

这就是为什么W-SAT能得到你想要的分组结果，而W-SUN不行。

具体分组逻辑拆解 #

1. W-SUN的分组逻辑：

   • 第一个分组以2023-02-12（周日）为结束日，仅包含当天数据，求和为1
   • 第二个分组以2023-02-19（周日）为结束日，包含2023-02-13（周一）到2023-02-19（周日）的7天数据，求和89
   • 第三个分组以2023-02-26（下一个周日）为结束日，包含2023-02-20（周一）到2023-02-25（周六）的6天数据，求和50

2. W-SAT的分组逻辑：

   • 第一个分组以2023-02-18（周六）为结束日，包含2023-02-12（周日）到2023-02-18（周六）的7天数据，求和85
   • 第二个分组以2023-02-25（周六）为结束日，包含2023-02-19（周日）到2023-02-25（周六）的7天数据，求和55
     完全匹配「周日至周六」的周期需求。

补充说明 #

origin='start_day'仅用于让分组起始点对齐数据的第一天，但不会改变freq定义的周结束日规则，核心还是要明确W-XXX代表的是周结束日而非起始日。

内容的提问来源于stack exchange，提问作者Jason S