从Python（pandas）中的日期列获取周开始日期（星期一）？

我已经看过很多关于如何使用日期字符串的帖子，但我正在尝试使用dataframe列，到目前为止还没有任何运气。 我目前的方法是：从“myday”中获取工作日，然后用偏移量获取星期一

df['myday'] is column of dates. 
mydays = pd.DatetimeIndex(df['myday']).weekday
df['week_start'] = pd.DatetimeIndex(df['myday']) - pd.DateOffset(days=mydays)

但我明白了 TypeError:timedelta days组件的类型不受支持：numpy.ndarray

---

如何从df列中获取周开始日期？

它失败，因为pd.DateOffset需要一个整数作为参数（您正在向它提供一个数组）。只能使用DateOffset以相同的偏移量更改日期列

试试这个：

import datetime as dt
# Change 'myday' to contains dates as datetime objects
df['myday'] = pd.to_datetime(df['myday'])  
# 'daysoffset' will container the weekday, as integers
df['daysoffset'] = df['myday'].apply(lambda x: x.weekday())
# We apply, row by row (axis=1) a timedelta operation
df['week_start'] = df.apply(lambda x: x['myday'] - dt.TimeDelta(days=x['daysoffset']), axis=1)

我还没有实际测试过这段代码（没有样本数据），但这应该适用于您所描述的内容

但是，您可能想看看，这可能会提供更好的解决方案，具体取决于您正在寻找的内容。

另一种选择：

df['week_start'] = df['myday'].dt.to_period('W').apply(lambda r: r.start_time)

这会将“week_start”设置为“myday”时间之前的第一个星期一。

虽然和解决方案都有效，但我倾向于避免在Pandas中使用apply，因为与基于阵列的方法相比，它通常非常慢。为了避免这种情况，在转换为datetime列（通过

pd.to_datetime

）后，我们可以修改基于工作日的方法，并通过直接转换将一周中的某一天转换为a：

df['week_start'] = df['myday'] - df['myday'].dt.weekday.astype('timedelta64[D]')

或用作：

使用60000次datetimes的测试数据，我使用新发布的Pandas 1.0.1的建议答案获得了以下时间

%timeit df.apply(lambda x: x['myday'] - datetime.timedelta(days=x['myday'].weekday()), axis=1)
>>> 1.33 s ± 28.9 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

%timeit df['myday'].dt.to_period('W').apply(lambda r: r.start_time)
>>> 5.59 ms ± 138 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

%timeit df['myday'] - df['myday'].dt.weekday.astype('timedelta64[D]')
>>> 3.44 ms ± 106 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

%timeit df['myday'] - pd.to_timedelta(df['myday'].dt.weekday, unit='D')
>>> 3.47 ms ± 170 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

这些结果表明，Pandas 1.0.1显著提高了基于to_期应用的方法的速度（与Pandas相比（只是补充了Pandas的答案）

使用

.astype（'timedelta64[D]'）

对我来说似乎不太易懂——找到了一种仅使用pandas功能的替代方法：

df['myday'] - pd.to_timedelta(arg=df['myday'].dt.weekday, unit='D')

---

谢谢你的解释。这个解决方案正是我想要的！如果

TimeDelta

不引用

df['daysofset']

？使用lambda会导致一些事情进展缓慢。这是怎么做的？我的数据集中的df['myday'].dt.weekday.astype（'timedelta64[D]）会返回一系列全零。为什么或者如何从df中减去0['myday']工作？这似乎是最好的解决方案。澄清上面的帖子，我理解发生了什么的方式是，基本上它是说取日期，然后从中减去星期几。但我不明白的是为什么。astype（'timedelta64[D]”）结果全为零。@DonQuixote可能您的“myday”频率小于“1D”。这将不起作用。您必须修改它以减去小时、分钟等。我喜欢@Paul中的lambda表达式，但这个答案要快得多，同样“简洁”。谢谢您的解决方案。谢谢。

df['myday'].dt.to_period（'W'））.dt.start_time

可能比使用

apply

更快（不确定何时引入此功能，可能不适用于较旧版本）

df['myday'] - pd.to_timedelta(arg=df['myday'].dt.weekday, unit='D')

from datetime import datetime, timedelta

# Convert column to pandas datetime equivalent
df['myday'] = pd.to_datetime(df['myday']) 

# Create function to calculate Start Week date
week_start_date = lambda date: date - timedelta(days=date.weekday())

# Apply above function on DataFrame column
df['week_start_date'] = df['myday'].apply(week_start_date)