如何为Pandas DataFrame日期列分配自定义周期（如2W）？

我有一个带日期列的Pandas DataFrame，需要新增一列记录日期所属2周（2W）周期的起始/结束时间，且方案要适配pd.Grouper支持的任意偏移量。目前遇到两个问题：

1. 用groupby.transform结合pd.Grouper的实现方式繁琐，且pd.Grouper已被弃用，想找优化方案；
2. 尝试pd.Series.dt.to_period('2W')时，发现方法把'2W'识别为周度偏移而非双周，不清楚原因。

测试代码如下：

df = pd.DataFrame({"date":["2022-01-03", "2022-01-10", "2022-01-20"], "data":[1,2,3]})
df["date"] = pd.to_datetime(df["date"])
# 繁琐且已弃用的方案
df["2W_date_grouper"] = df.groupby(pd.Grouper(freq="2W", key="date"))["data"].transform(lambda x:[x.name]*len(x))
# to_period不生效的尝试
df["2W_date_to_period"] = df["date"].dt.to_period("2W")

一、优化周期起始/结束时间的计算（适配任意偏移量） #

替代pd.Grouper的方案，直接用pd.Series.dt.floor()或pd.Series.dt.ceil()来计算周期的起始或结束时间，语法更简洁且支持所有Pandas时间偏移量：

示例代码 #

# 计算2周周期的起始时间（默认以周日为周期起始，可通过偏移量调整）
df["2W_start"] = df["date"].dt.floor("2W")
# 计算2周周期的结束时间
df["2W_end"] = df["date"].dt.ceil("2W") - pd.Timedelta(days=1)

# 适配其他偏移量的示例：比如3个月周期
df["3M_start"] = df["date"].dt.floor("3M")

该方案得到的结果和原pd.Grouper方案一致，但代码更简洁，且不存在弃用问题。

二、解释dt.to_period('2W')不生效的原因 #

Pandas的to_period()方法不支持带数字的周偏移量（如2W），该方法仅接受单个周期标识符（如W代表周、M代表月）。如果传入2W，Pandas会自动忽略数字部分，只识别W，所以最终得到的是周度周期而非双周。

如果需要用周期类型表示双周周期，可以手动构造偏移量实现：

# 自定义双周周期偏移量
two_week_offset = pd.offsets.Week(2)
# 先计算周期起始，再转为周期类型
df["2W_period"] = df["date"].dt.floor(two_week_offset).dt.to_period("2W")

内容的提问来源于stack exchange，提问作者Maxim Imakaev