如何将年周格式字符串转为datetime并设为DataFrame索引？

你遇到的问题很常见——用pd.to_datetime(df1['period'],format='%Y%U')无效，是因为%U（以周日为一周起始的周数）需要搭配星期几的标识才能确定具体日期。pandas无法仅凭年和周数推断出对应的datetime，毕竟一个周数对应一周内的7天，没有锚点日期就无法定位。

下面给你两种可行的解决方案：

方案1：转换为具体的Datetime日期 #

如果你需要一个具体的日期（比如每周的周一或周日）作为周的代表，可以给原字符串拼接一个星期几的数字，再指定格式转换：

import pandas as pd

# 示例数据
df1 = pd.DataFrame({'period': ['201801', '201801', '201801', '201801', '201801']})

# 拼接'1'表示取每周的周一（%w规则中，1代表周一，0代表周日）
df1['period'] = pd.to_datetime(df1['period'] + '1', format='%Y%U%w')

# 设置为DataFrame索引
df1.set_index('period', inplace=True)

如果你的周数是ISO标准周（每周从周一开始，周数范围1-53），可以改用%G%V%u格式适配：

df1['period'] = pd.to_datetime(df1['period'] + '1', format='%G%V%u')
df1.set_index('period', inplace=True)

方案2：直接使用Period类型（更贴合年周需求） #

如果你不需要具体到天的datetime，只是想标记"年+周"的时间区间，用PeriodIndex会更合适——它专门用来表示时间周期，完全避免不必要的日期歧义：

df1['period'] = pd.PeriodIndex(df1['period'], freq='W')
df1.set_index('period', inplace=True)

生成的索引会直接显示类似2018-01-01/2018-01-07的周区间，完美匹配你对"包含年和周"的需求。

内容的提问来源于stack exchange，提问作者Naveen Raj B