如何基于DataFrame的年份与周数字段生成日期列

我有一个包含Year（年份）和Week #（周数）列的pandas DataFrame，想要新增Date列，根据这两列的值生成对应日期。

当前DataFrame结构：

期望生成的DataFrame结构：

尝试的代码及错误 #

方法一：使用datetime.strptime #

from datetime import datetime

df['Date'] = datetime.strptime('{}-{}-1'.format(df['Year'], df['Week #']), '%Y-%W-%w').strftime('%Y-%m-%dT%H:%M:%S.%f')[:-3] + 'Z'

错误信息：

ValueError: time data '0        2020\n1        2020\n2        2020\n3        2020\n4        2020\n         ... \n35913    2024\n35914    2024\n35915    2024\n35916    2024\n35917    2024\nName: Year, Length: 35918, dtype: int64-0        02\n1        03\n2        04\n3        05\n4        06\n         ..\n35913    42\n35914    43\n35915    44\n35916    45\n35917    46\nName: Week #, Length: 35918, dtype: object-1' does not match format '%Y-%W-%w'

方法二：使用isoweek.Week #

from datetime import datetime
from isoweek import Week

df['Date'] = Week(df['Year'], df['Week #']).monday()

错误信息：

ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

错误原因 #

• 方法一：datetime.strptime仅支持单个字符串输入，无法直接处理pandas Series，format方法会把整个Series转为字符串表示，导致格式完全不匹配。
• 方法二：isoweek.Week的构造函数只接受单个数值参数，传入Series后，week < 1 or week > 52的判断会引发Series布尔值歧义错误。

解决方案 #

方法1：使用pandas内置to_datetime函数 #

pandas的to_datetime可直接处理Series，结合%Y-%W-%w格式（%W对应周起始为周一，%w中1代表周一）：

import pandas as pd

# 生成周一的datetime类型日期
df['Date'] = pd.to_datetime(df['Year'].astype(str) + '-' + df['Week #'].astype(str) + '-1', format='%Y-%W-%w')
# 转换为目标格式（如3/6/23）
df['Date'] = df['Date'].dt.strftime('%m/%d/%y')

方法2：用apply结合isoweek库 #

通过apply逐行传入单值，适配isoweek的参数要求：

from isoweek import Week

df['Date'] = df.apply(lambda row: Week(row['Year'], row['Week #']).monday(), axis=1)
# 转换为目标格式
df['Date'] = df['Date'].dt.strftime('%m/%d/%y')

方法3：datetime结合apply逐行处理 #

自定义函数，通过apply逐行生成日期：

from datetime import datetime

def get_date(year, week):
    return datetime.strptime(f'{year}-{week}-1', '%Y-%W-%w').strftime('%m/%d/%y')

df['Date'] = df.apply(lambda row: get_date(row['Year'], row['Week #']), axis=1)

内容的提问来源于stack exchange，提问作者Edd