按ID分组、以周日至周四为周期的周度金额求和及多周累计实现

需求说明
需对每个ID分组，以周日至周四为完整周进行金额的周度求和，并生成以下衍生列：

• OneWeekAmount：该日期所属周的金额总和（注：2021-08-03、04为周二、周三，属于同一周；2021-08-06、07为周五、周六，不计入该周求和）
• TwoWeekAmount = 当前周金额总和 + 上一周金额总和
• ThreeWeekAmount = 当前周金额总和 + 前两周金额总和

输入DataFrame

期望输出DataFrame

以下是基于Pandas的实现代码，核心逻辑是先自定义周分组规则，再计算周度金额，最后关联回原表生成衍生列：

import pandas as pd

# 构造输入数据
df = pd.DataFrame({
    '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]
})

# 转换日期格式
df['Date'] = pd.to_datetime(df['Date'])

# 自定义周分组：周日至周四为一周，周五/周六归属前一周
# 计算每个日期对应的周起始日（周日）
df['week_start'] = df['Date'] - pd.to_timedelta(df['Date'].dt.weekday, unit='D') + pd.Timedelta(days=6)
# 标记周五(4)、周六(5)，将其周起始日调整为上一周周日
mask = df['Date'].dt.weekday.isin([4,5])
df.loc[mask, 'week_start'] = df.loc[mask, 'week_start'] - pd.Timedelta(weeks=1)

# 按ID和周起始日分组计算周度金额总和
weekly_sum = df.groupby(['ID', 'week_start'])['Amount'].sum().reset_index(name='OneWeekAmount')

# 计算上一周、前两周的金额，无数据则填充0
weekly_sum['prev_week'] = weekly_sum.groupby('ID')['OneWeekAmount'].shift(1).fillna(0)
weekly_sum['prev_two_week'] = weekly_sum.groupby('ID')['OneWeekAmount'].shift(2).fillna(0)

# 生成衍生列
weekly_sum['TwoWeekAmount'] = weekly_sum['OneWeekAmount'] + weekly_sum['prev_week']
weekly_sum['ThreeWeekAmount'] = weekly_sum['OneWeekAmount'] + weekly_sum['prev_two_week']

# 关联周度数据回原表，整理输出格式
result = df.merge(weekly_sum, on=['ID', 'week_start'], how='left')
result = result[['ID', 'Date', 'Amount', 'OneWeekAmount', 'TwoWeekAmount', 'ThreeWeekAmount']].sort_values(['ID', 'Date'])

print(result)

代码逻辑说明：

1. 日期格式转换：确保Date列是datetime类型，方便后续日期运算；
2. 自定义周规则：以周日作为周起始日，周五、周六的日期归属到上一周；
3. 周度求和：按ID和周起始日分组，计算每个周的金额总和；
4. 衍生列计算：用shift函数获取历史周的金额，叠加得到TwoWeekAmount和ThreeWeekAmount；
5. 结果合并：将周度统计数据关联回原表，保留指定列并排序。

内容的提问来源于stack exchange，提问作者Rahi007