如何使用Pandas按周频率对日期分组并求和count1、count2？

我来帮你搞定这个按时间频率聚合求和的问题，你遇到的报错大概率是因为日期列格式不对，或者分组方式没选对，下面一步步来解决：

第一步：先确保日期列是datetime类型 #

这是最容易踩的坑！如果你的date列是字符串格式，Pandas根本没法识别成时间维度，分组肯定报错。先执行这行代码转换：

import pandas as pd

# 转换date列为datetime类型
df['date'] = pd.to_datetime(df['date'])

按日求和的两种方法 #

方法1：用resample（推荐，更灵活） #

不用修改原DataFrame的索引，直接指定on='date'参数即可：

# 按日对count1、count2求和
daily_sum = df.resample('D', on='date')[['count1', 'count2']].sum().reset_index()

'D'代表日频率，执行后会得到每天的求和结果，哪怕某天没有数据也会显示（值为0，如果你想过滤空值可以加.dropna()）。

方法2：用groupby按日期分组 #

如果只需要有数据的日期求和，可以用这个：

daily_sum = df.groupby(df['date'].dt.date)[['count1', 'count2']].sum().reset_index()

按周求和的两种方法（重点解决你的报错） #

按周分组需要注意一周的起始日，Pandas默认是周日作为一周开始，如果你需要周一作为起始，要额外指定。

方法1：resample指定周频率 #

同样不用改索引，直接用on='date'：

# 默认周日为一周起始，结果的date列是每周日的日期
weekly_sum = df.resample('W', on='date')[['count1', 'count2']].sum().reset_index()

# 如果需要周一作为一周起始，用'W-MON'
weekly_sum_monday = df.resample('W-MON', on='date')[['count1', 'count2']].sum().reset_index()

比如你的数据里，2019-12-09到2019-12-11属于第一周（周日起始的话，这周截止到12-15），2019-12-18到12-21属于第二周，求和结果会自动分组计算。

方法2：groupby按年+周数分组（避免跨年周混淆） #

如果你的数据跨年度，直接按周数分组会把不同年份的同周数合并，所以推荐按年+周数组合分组：

# 按年和ISO周数分组求和
weekly_sum = df.groupby(
    [df['date'].dt.year, df['date'].dt.isocalendar().week]
)[['count1', 'count2']].sum().reset_index()

# 可选：把年和周转换成直观的周起始日期（比如周一）
weekly_sum['week_start_date'] = pd.to_datetime(
    weekly_sum.apply(lambda x: f"{x['year']}-W{x['week']}-1", axis=1),
    format="%Y-W%W-%w"
)

常见报错排查 #

• 如果还是报错，先检查df['date']的类型：执行print(df['date'].dtype)，如果显示object说明没转成datetime，再重新执行第一步的转换。
• 用resample时如果报错"Only valid with DatetimeIndex, TimedeltaIndex or PeriodIndex"，说明你没指定on='date'，也没把date设为索引，二选一即可。

内容的提问来源于stack exchange，提问作者Hisham