如何用Pandas将每日疫情数据转换为周汇总数据？

步骤1：合并日期列并转换为datetime类型 #

原始数据的年、月、日是分开的列，首先要将它们合并为标准日期格式，方便后续提取周数：

import pandas as pd

# 假设你的数据框名为df，列名分别为year、month、day、cases、deaths、country
df['date'] = pd.to_datetime(df[['year', 'month', 'day']])

步骤2：提取年度周数 #

使用ISO标准的周数（一年通常为52周），确保和其他按年度周汇总的数据集规则一致：

# 提取ISO周数，同时保留年份避免跨年数据混淆
df['year'] = df['date'].dt.year
df['week_of_year'] = df['date'].dt.isocalendar().week

如果你的对比数据集采用的是“1月1日所在周为第1周”的规则，可以改用df['week_of_year'] = df['date'].dt.strftime('%U').astype(int)，%U返回00-53的字符串，需转换为整数。

步骤3：分组聚合生成周度数据 #

通过groupby结合agg函数，按国家、年份、周数分组，对病例数和死亡数求和：

weekly_summary = df.groupby(['country', 'year', 'week_of_year']).agg(
    total_cases=('cases', 'sum'),
    total_deaths=('deaths', 'sum')
).reset_index()

执行后weekly_summary就是你需要的周度汇总数据，每行对应一个国家的某一年某一周的总病例数和死亡数，单一年份下每个国家会生成52行左右的结果。

常见问题说明 #

之前groupby失败大概率是因为没有正确生成可用于分组的周数字段，或者分组键不完整（比如遗漏年份导致跨年周数据合并）。agg函数在这里的作用是明确指定每列的聚合逻辑，比直接调用sum更灵活，也便于后续扩展其他聚合需求（比如求周均数）。

内容的提问来源于stack exchange，提问作者Viktor