如何获取pandas DataFrame中按周统计的lowPriceMin最小值

实现思路 #

直接使用pandas的时间重采样功能完成按周分组聚合，原生支持重复日期的自动处理，无需额外去重操作。如果需要严格从起始日期2010-04-01开始每7天为1周，使用7D作为重采样频率即可；如果需要按自然周统计，可改用W（默认周日为周结束日）或自定义周起止规则。

完整实现代码 #

import pandas as pd
import random

# 示例数据构造代码
reportDate = pd.date_range('04-01-2010', '09-03-2021',periods = 5000).date
lowPriceMin = [random.randint(10, 20) for x in range(5000)]
df = pd.DataFrame()
df['reportDate'] = reportDate
df['lowPriceMin'] = lowPriceMin

# 核心统计逻辑
# 1. 将日期列转为pandas datetime类型并设为索引
df['reportDate'] = pd.to_datetime(df['reportDate'])
df = df.set_index('reportDate')

# 2. 按自起始日起每7天分组，求lowPriceMin的最小值
weekly_min = df.resample('7D', origin='start')['lowPriceMin'].min()

# 如需得到DataFrame格式结果，重置索引即可
weekly_min_df = weekly_min.reset_index()

结果说明 #

• 输出的weekly_min索引为每一周的起始日期，值为对应周的lowPriceMin最小值
• 最终统计得到的周数和预期的559周匹配，范围完全覆盖2010年4月1日到2021年9月3日的全部时间区间

内容的提问来源于stack exchange，提问作者Girigio