按星期几维度累加Dataframe日期对应交易数据的技术需求

我来帮你搞定这个按星期几汇总交易量的需求，用Pandas几步就能轻松实现，下面是具体的步骤和代码示例：

1. 确保日期列是Datetime类型 #

首先要确认你的Date列是Pandas的datetime格式，如果原始数据是字符串的话，先转换一下：

import pandas as pd

# 转换日期列为datetime类型（如果还没转的话）
df['Date'] = pd.to_datetime(df['Date'])

2. 提取星期几信息 #

你有两种方式获取星期几的标识，根据需求选就行：

• 方式一：获取星期名称（如Monday、Tuesday）

# 新增Weekday列，存储星期名称
df['Weekday'] = df['Date'].dt.day_name()

• 方式二：获取星期数字（0=周一，1=周二...6=周日）

# 新增Weekday_Num列，存储星期数字
df['Weekday_Num'] = df['Date'].dt.weekday

3. 按星期几分组累加交易量 #

接下来就可以按星期几分组，对所有交易量列进行求和了：

用星期名称分组的完整示例 #

# 提取星期名称
df['Weekday'] = df['Date'].dt.day_name()

# 按星期几分组，计算各股票交易量的总和
weekly_volume_total = df.groupby('Weekday')[['ANZ_Volume', 'BHP_Volume', 'CBA_Volume', 'MQG_Volume', 'NAB_Volume']].sum()

# 可选：按周一到周日的顺序排序（默认groupby会按字母排序，比如Friday会在Monday前面）
week_order = ['Monday', 'Tuesday', 'Wednesday', 'Thursday', 'Friday', 'Saturday', 'Sunday']
weekly_volume_total = weekly_volume_total.reindex(week_order)

用星期数字分组的示例 #

# 提取星期数字
df['Weekday_Num'] = df['Date'].dt.weekday

# 分组求和
weekly_volume_total = df.groupby('Weekday_Num')[['ANZ_Volume', 'BHP_Volume', 'CBA_Volume', 'MQG_Volume', 'NAB_Volume']].sum()

4. 可选：只统计工作日（周一到周五） #

如果你的交易数据只有工作日有记录，或者你只想看工作日的累加结果，可以先过滤掉周六和周日：

# 过滤出周一到周五的数据（weekday数字0-4对应周一到周五）
workday_df = df[df['Date'].dt.weekday < 5]

# 按星期名称分组求和并排序
weekly_volume_total = workday_df.groupby('Weekday')[['ANZ_Volume', 'BHP_Volume', 'CBA_Volume', 'MQG_Volume', 'NAB_Volume']].sum()
weekly_volume_total = weekly_volume_total.reindex(week_order[:5])  # 只取周一到周五的顺序

这样处理完之后，weekly_volume_total就是你需要的按星期几维度累加后的结果啦，每一行对应一个星期几，列是各股票的总交易量。

内容的提问来源于stack exchange，提问作者3kstc