如何将年度周数转日期？适配Prophet建模及缺失值处理

一、将年份+周数转换为对应周六的日期 #

可以用Python的datetime模块直接实现，利用ISO周历规则（和你的示例完全匹配：202001对应2020-01-04），代码如下：

import datetime

def convert_week_to_saturday(week_code):
    # 确保周编码是6位字符串（处理短码，比如20201转为202001）
    week_str = str(week_code).zfill(6)
    year = int(week_str[:4])
    week_num = int(week_str[4:])
    # ISO周历中1=周一，6=周六，直接生成对应日期并格式化
    return datetime.date.fromisocalendar(year, week_num, 6).strftime("%Y-%m-%d")

# 测试示例
sample_weeks = [202001, 202002, 202003]
result_dates = [convert_week_to_saturday(w) for w in sample_weeks]
# 输出: ['2020-01-04', '2020-01-11', '2020-01-18']

如果用Pandas处理批量数据，效率更高：

import pandas as pd

df = pd.DataFrame({"week": [202001, 202002, 202003, 202005]})
# 拆分年份和周数
df["year"] = df["week"].astype(str).str[:4].astype(int)
df["week_num"] = df["week"].astype(str).str[4:].astype(int)
# 生成周六日期
df["ds"] = df.apply(lambda row: datetime.date.fromisocalendar(row["year"], row["week_num"], 6), axis=1)
# 格式化字符串（可选，Prophet接受datetime类型的ds列）
df["ds"] = df["ds"].dt.strftime("%Y-%m-%d")

二、Prophet模型的缺失值处理建议 #

不需要直接补0，分两种场景处理：

• 场景1：缺失的周本来就没有数据（比如非业务周、无记录产生）：直接保留现有样本即可。Prophet不需要连续的时间序列，它会基于已有观测的时间间隔自动拟合趋势和季节性，缺失的时间段不会干扰模型训练。
• 场景2：缺失的周是数据丢失（本该有值但未记录）：优先用业务逻辑或插值法填充，比如：
  • 用前后周的均值/中位数填充
  • 用Pandas的时间序列插值（df.interpolate(method='time')）
  • 只有当业务明确这些周的数值为0时，才补0

另外，Prophet在预测阶段会自动生成连续的日期序列（不管训练数据是否连续），所以训练时无需强制补全所有周数。

内容的提问来源于stack exchange，提问作者SmackCat