Python 按自定义周拆分数据帧

我正在使用以下格式的大熊猫数据帧：

In [15]: data.info()
<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 2869438 entries, 2011-09-26 22:00:00.078000 to 2011-12-30 22:14:57.413000
Data columns (total 3 columns):
Symbol    2869438  non-null values
Price     2869438  non-null values
Vol       2869438  non-null values
dtypes: float64(1), int64(1), object(1)

对于这个特定的数据帧，周被定义为“星期一、星期二、星期二、星期四、星期五”

from pandas.tseries.offsets import CustomBusinessDay
weekmask = 'Sun Mon Tue Wed Thu Fri'
bday = CustomBusinessDay(weekmask=weekmask)
weeks = data.groupby(bday)

这给了我时间戳索引的组，而不是按周数

这可能不是实现这一目标的最佳方式，有人能提供其他技术吗

更新：

以下是我使用的数据集的开头和结尾：

data.head()
                             Symbol Price   Vol
DateTime            
2011-09-26 22:00:00.078000   CLX11   81.48   1
2011-09-26 22:00:00.192000   CLX11   81.46   1
2011-09-26 22:00:00.343000   CLX11   81.47   1
2011-09-26 22:00:00.443000   CLX11   81.46   1
2011-09-26 22:00:00.443000   CLX11   81.45   4

data.tail()
                             Symbol Price   Vol
DateTime            
2011-12-30 22:14:40.877000   CLG12   99.05   1
2011-12-30 22:14:43.287000   CLG12   99.06   1
2011-12-30 22:14:55.165000   CLG12   99.04   1
2011-12-30 22:14:55.165000   CLG12   99.03   1
2011-12-30 22:14:57.413000   CLG12   99.06   3

我只想做的是将这些数据切割成几周，并将其写入CSV文件，我已经可以在传统的几周内（周一至周日）这样做了，但我现在想切割成定义为周五的几周

---

有人能帮忙吗？

CustomBuisnessDay

的使用可能不是我想要的，尽管它看起来确实适合这个用例

你能发布一个数据帧的小例子吗？这样更容易操作。我不明白这个问题，你是想在计算中访问组名（周数）吗？@AndyHayden很抱歉，我已经更新了这个问题以提供更清晰的信息。

data.head()
                             Symbol Price   Vol
DateTime            
2011-09-26 22:00:00.078000   CLX11   81.48   1
2011-09-26 22:00:00.192000   CLX11   81.46   1
2011-09-26 22:00:00.343000   CLX11   81.47   1
2011-09-26 22:00:00.443000   CLX11   81.46   1
2011-09-26 22:00:00.443000   CLX11   81.45   4

data.tail()
                             Symbol Price   Vol
DateTime            
2011-12-30 22:14:40.877000   CLG12   99.05   1
2011-12-30 22:14:43.287000   CLG12   99.06   1
2011-12-30 22:14:55.165000   CLG12   99.04   1
2011-12-30 22:14:55.165000   CLG12   99.03   1
2011-12-30 22:14:57.413000   CLG12   99.06   3