聚合Pandas数据后如何保留自定义日期索引/列？

嘿，我来帮你搞定这个问题！你当前用x.week分组得到的只是纯数字的周号，自然看不到对应的日期范围，而且还容易遇到跨年周号重复的坑（比如2023年第52周和2024年第52周会被错误分到一组）。下面给你几个实用的解决方案，既能完成聚合，又能保留清晰的日期标识：

方法1：用resample（最推荐的时间序列聚合方式） #

resample是Pandas专门为时间序列设计的聚合工具，直接按周维度聚合，默认会把每周的结束日期（周日）作为索引，还能轻松指定周起始日：

# 基础用法：DATE是列名的情况，默认周日为周结束日
grouped = mergedFinal.resample('W', on='DATE').mean()

# 如果你想把周一设为周起始日，用`W-MON`频率
grouped = mergedFinal.resample('W-MON', on='DATE').mean()

# 如果DATE已经是DataFrame的索引，直接简化为
grouped = mergedFinal.resample('W').mean()

聚合后的结果索引就是对应周的结束日期（或你指定的周起始相关日期），完全保留了日期信息，还能直接对索引做后续的时间操作。

方法2：用dt.to_period('W')生成周周期分组键 #

这种方式会把日期转换成周周期对象，分组后索引会显示明确的周范围（比如2024-01-01/2024-01-07），清晰直观：

# 默认周日为周结束的周期分组
grouped = mergedFinal.groupby(mergedFinal['DATE'].dt.to_period('W')).mean()

# 指定周一为周起始的周期分组
grouped = mergedFinal.groupby(mergedFinal['DATE'].dt.to_period('W-MON')).mean()

如果之后需要把周期索引转成具体的日期（比如周起始或结束日），可以这样操作：

# 转成周起始日期
grouped.index = grouped.index.start_time
# 转成周结束日期
grouped.index = grouped.index.end_time

方法3：保留年+周号并映射为日期（适合需要周号的场景） #

如果你确实需要保留周号的信息，同时避免跨年周号重复的问题，可以按「年份+周号」分组，再把分组键映射为对应的日期：

# 按年份和ISO周号分组（ISO周以周一为起始）
grouped = mergedFinal.groupby([
    mergedFinal['DATE'].dt.year,
    mergedFinal['DATE'].dt.isocalendar().week
]).mean()

# 把年+周号的组合键转成周起始日期（周一）
grouped.index = pd.to_datetime(
    grouped.index.map(lambda x: f"{x[0]}-W{x[1]}-1"),
    format="%Y-W%W-%w"
)
# 如果要转成周日为结束日，把最后的1改成0即可

小提示 #

• 不管用哪种方法，都建议明确指定周起始日，避免不同环境下的默认行为差异
• 优先用resample或to_period，代码更简洁，逻辑更清晰，也能避免周号跨年的问题

内容的提问来源于stack exchange，提问作者Coolio2654