自定义周起始日的日期数据聚合问题求助

嘿，这个问题我之前踩过坑！自定义周起始日之后，groupby还是按默认的周日到周六聚合，确实挺闹心的。让我给你捋捋怎么解决——

你之前的函数可能只是给DataFrame加了自定义周标签，但groupby的时候如果用了默认的周规则（比如pd.Grouper(freq='W')或者dt.week），pandas还是会按原生的周日/ISO周逻辑分组，根本没用到你自定义的周三至周二周期。

方法一：用pandas内置的自定义周频率（最简洁） #

pandas的pd.Grouper支持直接通过freq参数指定周的结束日，间接定义周起始日。如果你想要周三到周二的7天周期，只需要把周结束日设为周二，对应的freq字符串是'W-TUE'：

import pandas as pd

# 假设你的DataFrame有一个日期列叫'date'
# 按周三至周二的周分组，聚合value列的总和
grouped_df = df.groupby(
    pd.Grouper(key='date', freq='W-TUE')  # W-TUE表示每周以周二结束，即周期为周三到周二
).agg({'value': 'sum'})

如果需要同时按年份和周分组，也可以直接拆分：

grouped_df = df.groupby([
    df['date'].dt.year,
    pd.Grouper(key='date', freq='W-TUE')
]).agg({'value': 'sum'})

方法二：生成自定义周起始日作为分组键（更灵活） #

如果你的需求更复杂（比如非固定7天周期），可以给每个日期计算它所属的周三起始日，然后用这个起始日作为分组依据，这样绝对不会出错：

def get_custom_week_start(date_series, start_weekday=2):
    # start_weekday=2对应周三（pandas的dt.weekday中，0=周一，1=周二，2=周三...6=周日）
    # 计算当前日期距离最近的周三的天数偏移
    days_offset = (date_series.dt.weekday - start_weekday) % 7
    # 减去偏移量得到该周的周三起始日
    return date_series - pd.to_timedelta(days_offset, unit='D')

# 给DataFrame添加自定义周起始日列
df['custom_week_start'] = get_custom_week_start(df['date'])

# 按年份和自定义周起始日分组聚合
grouped_df = df.groupby([
    df['custom_week_start'].dt.year,
    'custom_week_start'
]).agg({'value': 'sum'})

千万别用dt.week或者dt.isocalendar().week来分组！这些都是基于默认周规则的编号，和你的自定义周三至周二周期完全不匹配，只会导致聚合结果混乱。

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