Bokeh Select组件日期聚合异常问题（基于Pandas）

我之前也踩过类似的时间分组跨年坑，结合你的描述，这个问题的核心是周度/月度维度的时间分组逻辑没有正确区分日历年份和跨年度的周期边界，具体原因和修复方法如下：

一、问题产生的核心原因 #

通常有两种常见的错误场景：

1. ISO周的年份偏移问题
   如果你的代码中使用了datetime.isocalendar()提取周数和年份，比如：

   df['year'] = df['date'].dt.isocalendar().year
   df['week'] = df['date'].dt.isocalendar().week
   grouped = df.groupby(['year', 'week']).sum()
   

   ISO周的规则是：每年的第一周必须包含该年的1月4日（或至少4天在当年），这就导致2018年1月1日-3日会被算作2017年的第52/53周，对应的isocalendar().year会返回2017，最终被错误归入2017年的分组。

2. 分组时复用错误的年份字段
   如果在Bokeh回调中，周度分组后没有重置年份计算逻辑，直接复用周度的年份字段处理月度数据，或者用了会计年度而非自然日历年份来关联月份，就会导致2018年初的月度数据被错误映射到2017年。

二、修复方案 #

根据自然日历的周/月汇总需求，可以按以下方式修正：

1. 修复周度分组（按自然日历周） #

如果需要按自然日历的周（比如每周从周一到周日，年份取该周的日历年份），可以用两种方式实现：

方式一：用Grouper指定周频率，绑定日历年份

from pandas import Grouper

def group_by_week(df):
    # 按周日结束的周汇总，年份取该周最后一天的日历年份
    df['week_end'] = df['date'].dt.to_period('W').dt.end_time
    grouped = df.groupby(
        [Grouper(key='week_end', freq='Y'), Grouper(key='date', freq='W')]
    ).agg({'amount': 'sum'}).reset_index()
    # 提取正确的日历年份和当年周数
    grouped['year'] = grouped['week_end'].dt.year
    grouped['week'] = grouped['date'].dt.isocalendar().week
    # 修正1月的跨年周，强制归为当年第1周
    grouped.loc[grouped['date'].dt.month == 1, 'week'] = 1
    return grouped

方式二：手动修正跨年周的年份映射

def get_calendar_week_year(date):
    year = date.year
    week = date.isocalendar().week
    # 1月的周数>50时，说明是上一年的最后一周，强制归为当年第1周
    if date.month == 1 and week > 50:
        week = 1
    return year, week

# 应用到DataFrame
df[['year', 'week']] = df['date'].apply(lambda x: pd.Series(get_calendar_week_year(x)))
weekly_grouped = df.groupby(['year', 'week']).sum()

2. 修复月度分组（按自然日历月） #

月度分组的问题通常是复用了错误的年份字段，直接按日历年份+月份分组即可：

def group_by_month(df):
    monthly_grouped = df.groupby(
        [df['date'].dt.year, df['date'].dt.month]
    ).agg({'amount': 'sum'}).reset_index()
    monthly_grouped.columns = ['year', 'month', 'total_amount']
    return monthly_grouped

3. 结合Bokeh Select组件的回调优化 #

在回调函数中，确保每次切换维度都重新计算正确的周期字段，不要复用之前的计算结果：

from bokeh.models import Select, ColumnDataSource
from bokeh.plotting import figure
from bokeh.layouts import column

# 初始化数据源
source = ColumnDataSource(data=dict(x=[], y=[]))
original_df = your_dataframe  # 替换成你的原始DataFrame

# 定义更新数据的回调
def update_data(attr, old, new):
    selected_dim = select.value
    temp_df = original_df.copy()
    
    if selected_dim == 'day':
        grouped = temp_df.groupby(temp_df['date'].dt.date).sum()
        x = grouped.index.astype(str)
        y = grouped['amount']
    elif selected_dim == 'weekly':
        grouped = group_by_week(temp_df)
        x = [f"{y}-W{w:02d}" for y, w in zip(grouped['year'], grouped['week'])]
        y = grouped['amount']
    elif selected_dim == 'monthly':
        grouped = group_by_month(temp_df)
        x = [f"{y}-{m:02d}" for y, m in zip(grouped['year'], grouped['month'])]
        y = grouped['total_amount']
    elif selected_dim == 'annually':
        grouped = temp_df.groupby(temp_df['date'].dt.year).sum()
        x = grouped.index.astype(str)
        y = grouped['amount']
    
    source.data = dict(x=x, y=y)

# 创建Select组件
select = Select(title="查看维度", options=['day','weekly','monthly','annually'], value='day')
select.on_change('value', update_data)

# 创建图表
p = figure(x_axis_label='时间', y_axis_label='交易总额', x_axis_type='category')
p.line(x='x', y='y', source=source)

# 布局展示
layout = column(select, p)

三、验证方法 #

可以单独提取2018年1-2月的数据，检查分组后的年份是否正确：

test_df = original_df[(original_df['date'] >= '2018-01-01') & (original_df['date'] <= '2018-02-28')]
# 测试周度分组
weekly_test = group_by_week(test_df)
print(weekly_test['year'].unique())  # 应只输出2018
# 测试月度分组
monthly_test = group_by_month(test_df)
print(monthly_test['year'].unique())  # 应只输出2018

这样就能确保周度和月度维度下，2018年的交易数据不会被错误归入2017年了。

内容的提问来源于stack exchange，提问作者machump