Pandas 熊猫重新采样数据帧并将datetime索引保留为列

我正在尝试使用pandas将每日数据重新采样为每周数据

我正在使用以下命令：

weekly_start_date =pd.Timestamp('01/05/2011')
weekly_end_date =pd.Timestamp('05/28/2013')

daily_data = daily_data[(daily_data["date"] >= weekly_start_date) & (daily_data["date"] <= weekly_end_date)]    

daily_data = daily_data.set_index('date',drop=False)
weekly_data = daily_data.resample('7D',how=np.sum,closed='left',label='left')

weekly\u start\u date=pd.时间戳（'01/05/2011'）
每周结束日期=pd时间戳（'05/28/2013'）
每日数据=每日数据[（每日数据[“日期”]>=每周开始日期）和（每日数据[“日期”]您只能按数字列重新采样：

In [11]: df = pd.DataFrame([[pd.Timestamp('1/1/2012'), 1, 'a', [1]], [pd.Timestamp('1/2/2012'), 2, 'b', [2]]], columns=['date', 'no', 'letter', 'li'])

In [12]: df1 = df.set_index('date', drop=False)

In [13]: df1
Out[13]:
                          date  no letter   li
date
2012-01-01 2012-01-01 00:00:00   1      a  [1]
2012-01-02 2012-01-02 00:00:00   2      b  [2]

In [15]: df1.resample('M', how=np.sum)
Out[15]:
            no
date
2012-01-31   3

我们可以看到，它使用数据类型来确定它是否为数字：

In [16]: df1.no = df1.no.astype(object)

In [17]: df1.resample('M', how=sum)
Out[17]:
            date  no  letter  li
date
2012-01-31     0   0       0   0

实际求和的一个可怕的技巧：

In [21]: rng = pd.date_range(weekly_start_date, weekly_end_date, freq='M')

In [22]: g = df1.groupby(rng.asof)

In [23]: g.apply(lambda t: t.apply(lambda x: x.sum(1))).unstack()
Out[23]:
                           date no letter      li
2011-12-31  2650838400000000000  3     ab  [1, 2]

日期是纪元纳秒的总和

（希望我在做一些愚蠢的事情，还有一个更简单的方法！）
如果我理解你的问题，看起来你做的重采样是正确的（这里是关于重采样的文档：）

如果唯一的问题是希望在列中复制DateTimeIndex，则可以这样做

  weekly_data['date'] = weekly_data.index.values

如果我误解了这个问题，我深表歉意。：）
您希望这里的日期栏是什么？它已被重新采样（每周）通过sum，我认为再也没有意义了。你希望什么？@Andy我希望得到一周中的第一个日期，例如一周开始，如果你真的想知道，你可以说重新采样间隔中的日期中值wanted@Jeff当我写第一行的时候，我在想这是一个谎言：史坦克斯·安迪，所有的价值观在我的数据帧中是数字的。重采样在我的代码中起作用。但是我需要在重采样df中将日期作为一列。当我使用“7D”重采样时，我没有得到它。日期列是dropped@user2484945日期不是数字（它是一个日期）？你能举一个我们能看到的小例子，说明你的问题+你想要什么吗？@user2484945你介意将其编辑到你的问题中吗（评论中的格式设置不好）：）
  weekly_data['date'] = weekly_data.index.values