如何在Python中为日期列生成Year-Week格式列？

没问题，我来帮你搞定这个需求。你需要的是从日期列生成YYYY-WW格式的周标识，这里关键是要正确处理年份和周数的对应（比如跨年的周会属于下一年的第一周），下面是具体的实现步骤和代码：

步骤1：读取并解析日期数据 #

首先我们需要把你提供的日期字符串转换成Pandas的日期类型，注意你的日期格式是dd.mm.yyyy（日.月.年），解析时要指定格式避免出错：

import pandas as pd

# 模拟你的输入数据（如果是从文件读取，直接用pd.read_csv即可）
raw_data = [
    [0, "04.01.2018"],
    [1, "04.01.2018"],
    [2, "04.01.2018"],
    [3, "04.01.2018"],
    [4, "05.01.2018"]
]

# 转换成DataFrame
df = pd.DataFrame(raw_data, columns=["index_col", "date_str"])

# 解析日期列，指定格式为dd.mm.yyyy
df["date"] = pd.to_datetime(df["date_str"], format="%d.%m.%Y")

步骤2：生成Year-Week格式列 #

这里提供两种可靠的方法，都能同时正确提取年份和周数，解决你提到的那篇文章无法覆盖的场景：

方法一：使用isocalendar()（推荐） #

isocalendar()会返回包含year、week、day的DataFrame，我们可以直接提取年份和周数拼接，这种方式逻辑清晰，还能处理跨年周的情况（比如2023年12月31日属于2024年第1周）：

# 提取ISO年份和周数，拼接成YYYY-WW格式（周数补零到2位）
df["year_week"] = df["date"].dt.isocalendar().year.astype(str) + "-" + df["date"].dt.isocalendar().week.astype(str).str.zfill(2)

方法二：使用strftime()格式化 #

直接用日期格式化字符串，其中%G代表ISO年份，%V代表ISO周数（1-53），一步到位生成目标格式：

df["year_week"] = df["date"].dt.strftime("%G-%V")

关于周定义的说明 #

你提到的例子中2018年1月4日对应第13周，这看起来和标准的ISO周定义不符（实际2018年1月4日是ISO第1周）。如果你的业务场景使用的是非标准周定义（比如每周从周六开始、或者周数计算规则不同），可以调整格式化参数：

• 若使用周日作为一周起始，用%U表示周数（00-53），年份用%Y：

  df["year_week_us"] = df["date"].dt.strftime("%Y-%U")
  

• 若使用周一作为一周起始但周数从0开始，用%W表示周数（00-53）：

  df["year_week_w"] = df["date"].dt.strftime("%Y-%W")
  

运行上述代码后，你的DataFrame就会新增year_week列，完全符合YYYY-WW的格式要求。

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