如何按ID分组计算连续两周的金额总和（基于周维度）

需求说明 #

给定如下输入DataFrame：

需要新增TwoWeekSum列，计算规则为：当前周金额总和 + 上一周金额总和，同一周内的所有记录共享该周的两周总和值，最终输出如下：

实现代码（Pandas） #

import pandas as pd

# 1. 构造输入数据（实际使用时可替换为读取你的数据源）
data = {
    'ID': ['A']*12,
    'Date': ['2021-08-03', '2021-08-04', '2021-08-06', '2021-08-07',
            '2021-08-09', '2021-08-11', '2021-08-12', '2021-08-13',
            '2021-08-23', '2021-08-24', '2021-08-26', '2021-08-28'],
    'Amount': [100, 100, 20, 100, 300, 100, 100, 10, 10, 10, 10, 10]
}
df = pd.DataFrame(data)

# 2. 转换日期格式，提取年份和ISO周数（避免跨年周冲突）
df['Date'] = pd.to_datetime(df['Date'])
df['Year'] = df['Date'].dt.isocalendar().year
df['Week'] = df['Date'].dt.isocalendar().week

# 3. 按ID、年份、周分组，计算每周金额总和
weekly_total = df.groupby(['ID', 'Year', 'Week'])['Amount'].sum().reset_index()
weekly_total.rename(columns={'Amount': 'WeeklySum'}, inplace=True)

# 4. 计算两周滚动总和：当前周 + 上一周总和，无数据的上一周补0
weekly_total['TwoWeekSum'] = weekly_total.groupby('ID')['WeeklySum'].transform(
    lambda x: x + x.shift(1).fillna(0)
)

# 5. 将两周总和合并回原始数据，匹配对应ID、年份、周
result = df.merge(weekly_total[['ID', 'Year', 'Week', 'TwoWeekSum']], 
                  on=['ID', 'Year', 'Week'], how='left')

# 6. 整理输出列顺序，去掉中间辅助列
result = result[['ID', 'Date', 'Amount', 'TwoWeekSum']]
print(result)

代码说明 #

• 日期处理：使用isocalendar()提取年份和周数，确保跨年场景下的周数准确性。
• 周级汇总：先按ID、年、周分组计算单周总金额，为后续两周求和做基础。
• 滚动求和：通过groupby('ID')限定在同一用户内计算，shift(1)获取上一周数据，fillna(0)处理无前置周的情况（如第一周、间隔周）。
• 合并数据：将周级别的两周总和关联到原始每条记录，保证同一周的所有记录拥有相同的TwoWeekSum值。

内容的提问来源于stack exchange，提问作者Rahi007