Pandas如何筛选数据集最后5周对应的数据值

你原代码无法运行的核心原因有3个：

• dt.week返回的是整数类型的年内周编号（取值范围1-53），和timedelta时间差对象类型不匹配，直接做减法会触发类型错误。
• 仅用周数做差没有处理跨年场景：如果数据集最新时间是新年第2周，周数减5会得到负数，无法匹配上一年年末的周数据，逻辑完全失效。
• nlargest(5, 列名)的作用是返回指定列值最大的5行记录，不是返回最近5个周的全量数据，不符合需求。

根据需求场景二选一即可：

方案1：取数据集中实际存在的最近5个自然周全量数据 #

这个方案会自动跳过数据中缺失的周，精准命中数据里最新的5个有记录的自然周，同时自动处理跨年问题，是最通用的实现：

# 生成ISO标准的年、周标识，避免跨年周数重复冲突
gdf_hpo['iso_year'] = gdf_hpo[DATE].dt.isocalendar().year
gdf_hpo['iso_week'] = gdf_hpo[DATE].dt.isocalendar().week

# 提取数据中按时间倒序排列的前5个唯一（年,周）组合
last_5_weeks = gdf_hpo[['iso_year', 'iso_week']]
                .drop_duplicates()
                .sort_values(by=['iso_year', 'iso_week'], ascending=False)
                .head(5)

# 关联筛选出对应周的所有行
gdf_last_5weeks = gdf_hpo.merge(last_5_weeks, on=['iso_year', 'iso_week'], how='inner')

方案2：取最新日期往前推5周时间窗口内的所有数据 #

如果你的需求是「以数据集最新日期为终点，取往前35天范围内的所有记录」，不需要对齐自然周边界，可以直接用时间范围筛选，代码更简洁：

# 获取数据集最新时间
max_date = gdf_hpo[DATE].max()
# 筛选时间在[最新日期-5周, 最新日期]区间的所有记录
gdf_last_5weeks = gdf_hpo[gdf_hpo[DATE] >= max_date - pd.Timedelta(weeks=5)]

补充：如果需要对齐自然周边界计算窗口（比如最新日期是周中，要从最近一个完整周的周一开始算5周范围），可以先把最新日期对齐到周起点再计算，以周一为周起点的对齐代码为：max_date = gdf_hpo[DATE].max().to_period('W').start_time

内容的提问来源于stack exchange，提问作者Thomas Rivière