从现有的日期列创建一个新列“周”答案

【问题标题】：Creating a new Column "Week" from existing column of Date从现有的日期列创建一个新列“周”
【发布时间】：2018-02-11 18:10:40
【问题描述】：

我有一个数据集，它有一个连续格式的列日期。我想向它添加一个新列，从 Date 列中的该值中取出一周。

A    B
1    20050121
2    20050111
3    20050205
4    20050101

这里的 B 列以 YEAR|MONTH|DAY 格式表示日期，我想在这个数据集中添加一个新列，它从数据集中获取月份日期并告诉我们它属于哪一周，例如这个：

A    B           C
1    20050121    3
2    20050111    2
3    20050205    5
4    20050101    1

星期从2005年1月1日开始。我想把moth和date的值分开，然后根据这两个值计算，我该怎么做？

【问题讨论】：

“从数据集中获取月份日期并告诉我们它属于哪一周”这很奇怪。您的意思是本月从哪一周开始，或者您想使用月份和日期来确定星期？
使用月份和日期确定哪一周
不，没关系，你建议的strftime真的是节省时间！ @jezrael
我写它是因为似乎首先被接受了我的答案，然后是另一个 - 所以您可能希望同时接受这两个答案。但在 SO 中是不可能的，只能接受一个。这取决于你;)

标签： python pandas datetime

【解决方案1】：

看来你需要strftime by http://strftime.org/:

df['C'] = pd.to_datetime(df['B'], format='%Y%m%d').dt.strftime('%W')
print (df)
   A         B   C
0  1  20050121  03
1  2  20050111  02
2  3  20050205  05
3  4  20050101  00

如果需要ints:

df['C'] = pd.to_datetime(df['B'], format='%Y%m%d').dt.strftime('%W').astype(int)
print (df)
   A         B  C
0  1  20050121  3
1  2  20050111  2
2  3  20050205  5
3  4  20050101  0

如果使用weekofyear 第一周获得更多50：

df['C'] = pd.to_datetime(df['B'], format='%Y%m%d').dt.weekofyear
print (df)
   A         B   C
0  1  20050121   3
1  2  20050111   2
2  3  20050205   5
3  4  20050101  53

但可以掩盖它：

dates = pd.to_datetime(df['B'], format='%Y%m%d')
m = (dates.dt.month == 1) & (dates.dt.weekofyear > 50)
df['C'] = np.where(m, 1, dates.dt.weekofyear)
print (df)
   A         B  C
0  1  20050121  3
1  2  20050111  2
2  3  20050205  5
3  4  20050101  1

【讨论】：

【解决方案2】：

一般来说，这会起作用，但这里有一些关于年初的困惑

import datetime
date_from_str = datetime.datetime.strptime

df = pd.DataFrame([[1, 20050121],
                   [2, 20050111],
                   [3, 20050205],
                   [4, 20050101]], columns = ['A','B'])
df['C']= df['B'].astype('str').apply(lambda date:     
date_from_str(date,'%Y%m%d').isocalendar()[1])
df

输出是：

A   B   C
0   1   20050121    3
1   2   20050111    2
2   3   20050205    5
3   4   20050101    53

为了避免这种情况，来自here 的一些人建议这样做：

def correct(date_):
    year, week = date_.year, date_.isocalendar()[1]
    ret = datetime.strptime('%04d-%02d-1' % (year, week), '%Y-%W-%w')
    if date(year, 1, 4).isoweekday() > 4:
        ret -= timedelta(days=7)
    return ret.isocalendar()[1]

df['C']= df['B'].astype('str').apply(lambda date:  correct(date_from_str(date,'%Y%m%d')))

然后，输出将是：

A   B   C
0   1   20050121    3
1   2   20050111    2
2   3   20050205    5
3   4   20050101    1

【讨论】：