Pandas如何按周统计时间序列数据集内对应时段的事件发生数量

前置准备 #

假设原始数据集名为df，包含两个核心字段：

• 事件发生时间列（示例中列名用event_time，可替换为你的实际列名）
• 事件标识列（每行对应1条独立事件，示例中列名用event_id，可替换为你的实际列名）

实现步骤 #

1. 时间格式转换（若时间列已为datetime类型可直接跳过）

import pandas as pd
df['event_time'] = pd.to_datetime(df['event_time'])

2. 按周重采样统计事件数

# 可根据周划分规则调整rule参数，W-MON代表以周一为周结束，W-SUN代表以周日为周结束
# label='left'代表取周区间的起始日期作为统计行的日期标识
weekly_df = df.resample(
    rule='W-MON',
    on='event_time',
    label='left',
    closed='left'
)['event_id'].count().reset_index()

3. 调整输出格式匹配要求

# 重命名列
weekly_df.columns = ['Dates', 'Events']
# 调整日期为 日-月-年 格式
weekly_df['Dates'] = weekly_df['Dates'].dt.strftime('%d-%m-%Y')

# 若需要输出周区间格式（如"27-12-2015 - 02-01-2016"）可替换为以下代码
# weekly_df['end_date'] = weekly_df['Dates'] + pd.Timedelta(days=6)
# weekly_df['Dates'] = weekly_df['Dates'].dt.strftime('%d-%m-%Y') + ' - ' + weekly_df['end_date'].dt.strftime('%d-%m-%Y')
# weekly_df = weekly_df[['Dates', 'Events']]

常用参数调整说明 #

• 周起始规则调整：修改rule参数即可适配不同周统计标准：
  • W-MON：周统计区间为周二到下周一，符合国内部分场景统计习惯
  • W-SUN：周统计区间为周一到周日，欧美常用统计标准
• 聚合逻辑调整：如果需要统计事件的其他指标（如求和、均值），把count()替换为对应聚合函数即可。

内容的提问来源于stack exchange，提问作者Omar