如何在Python Pandas DataFrame中按周统计各国代码的购买次数？

我正在使用Python分析销售数据集，该数据集包含交易日期和购买对应的国家代码两列，由两个列名不同的小数据集合并而来，代码如下：

frames_f, frames_l = get_sales_frames(True)
sales_f = frames_f[['Transaction Date', 'Buyer Country']]
sales_l = frames_l[['Order Charged Date', 'Country of Buyer']]

sales_l.columns = sales_f.columns
sales = pd.concat([sales_f, sales_l])
sales['Transaction Date'] = pd.to_datetime(sales['Transaction Date'], infer_datetime_format=True)

数据集包含7个月的每日购买数据，我需要统计每周每个国家的购买次数。目前已实现按天统计的功能，代码及输出如下：

sales['Purchases'] = 1

purchases = sales.groupby(['Transaction Date', 'Buyer Country'])['Purchases'].sum()
print(purchases)

输出：

Transaction Date  Buyer Country
2021-06-01        US               2
2021-06-02        GB               1
                  IL               1
                  SE               1
                  US               7
                                  ..
2021-12-29        US               7
2021-12-30        CA               1
                  US               4
2021-12-31        GB               1
                  US               7

但我需要将统计维度从每日改为每周，希望输出格式与上述类似，仅按周聚合各国购买次数。曾尝试使用df.groupby(pd.Grouper(key='Transaction Date', freq="W")).count()，但该方法仅统计每周总购买量，未按国家分组。请问最有效的实现方法是什么？

只需在groupby中同时传入按周聚合的日期分组器和**Buyer Country列**，即可实现每周+国家的双重分组统计，输出格式与日统计完全一致。

核心代码 #

sales['Purchases'] = 1
# 按周+国家分组统计购买次数
weekly_purchases = sales.groupby(
    [pd.Grouper(key='Transaction Date', freq='W'), 'Buyer Country']
)['Purchases'].sum()
print(weekly_purchases)

补充说明 #

• pd.Grouper(key='Transaction Date', freq='W')默认以周日作为每周的结束日期，若需调整周结束日，可修改freq参数：比如'W-MON'代表周一为周结束日，'W-FRI'代表周五，以此类推。
• 若你希望周标签显示为每周的起始日期而非结束日期，可以使用freq='W-MON'结合label='left'参数，例如：

weekly_purchases = sales.groupby(
    [pd.Grouper(key='Transaction Date', freq='W-MON', label='left'), 'Buyer Country']
)['Purchases'].sum()

内容的提问来源于stack exchange，提问作者Dinkleberg