如何让strftime周数与Pandas时间序列周频率匹配？

这个问题我之前也踩过坑！核心是pd.date_range默认的周锚点和你原数据中YW列的周定义没对齐，导致首尾周偏移。咱们换个思路，用Period序列来生成完整周，完美适配原数据的起止周：

步骤1：确认原数据的周定义 #

首先先验证你的YW列和Date列的对应关系是否符合%Y/%U（周日为一周起始）的规则：

import pandas as pd

# 把Date列转成datetime类型
df['Date'] = pd.to_datetime(df['Date'])
# 生成校验用的YW列，和原YW对比
df['verify_YW'] = df['Date'].dt.strftime('%Y/%U')

如果verify_YW和原YW完全一致，说明你的周定义确实是周日作为一周第一天（对应%U规则），接下来就可以用这个规则生成完整周序列。

步骤2：生成完整的周Period序列 #

用pd.period_range直接按周周期生成，它会自动识别每个日期所在的完整周，不会出现偏移：

# 获取原数据中最小/最大日期对应的周Period（W-SUN表示周日为周起始）
min_week = df['Date'].min().to_period('W-SUN')
max_week = df['Date'].max().to_period('W-SUN')

# 生成从起始周到结束周的连续周序列
full_week_periods = pd.period_range(start=min_week, end=max_week, freq='W-SUN')

# 把Period序列转成你需要的'%Y/%U'格式
full_yw = full_week_periods.strftime('%Y/%U')

这里的W-SUN对应%U的周规则，如果你的YW是按周一为起始（对应%W），只需要把freq改成'W-MON'就行。

步骤3：合并原数据并补全缺失值 #

把原数据的YW设为索引，重新索引到完整的full_yw序列，缺失的Count自动填充为0：

# 原数据设置YW为索引
df.set_index('YW', inplace=True)
# 重新索引，填充缺失的Count为0
df_full = df.reindex(full_yw, fill_value=0)
# 重置索引，恢复YW列
df_full.reset_index(inplace=True)
df_full.rename(columns={'index': 'YW'}, inplace=True)

# （可选）重新生成连续的Value列
df_full['Value'] = range(len(df_full))

为什么这个方法能解决问题？ #

• pd.period_range是基于周期生成的，它会直接把你的起始日期映射到对应的完整周，而不是像date_range那样从起始日期往后找下一个周锚点（比如周日）。
• 不管你的起始/结束日期是周内的哪一天（比如原数据起始是周六），它都能准确包含对应的周，不会出现首尾周缺失或偏移的问题。

测试一下的话，生成的full_yw第一个值就是2017/19，最后一个是2020/09，完美匹配你原数据的起止周，中间所有缺失的周也都会被补全，Count自动设为0。

内容的提问来源于stack exchange，提问作者MattSom