在python中使用重采样（'；W'；），sum（）进行自定义基于句点的重采样时出错

我有一个数据帧（frame_combined_DF），看起来像这样。我需要根据为每个SKU提供的周时间进行自定义重采样

frame_combined_DF

            SKU     Qty     Time        Time_W
WY          
2011-10-17  ABC     12.0    11.0        2
2012-01-16  ABC     20.0    11.0        2
2013-04-08  ABC     6.0     11.0        2
2013-12-02  ABC     2.0     11.0        2
2014-10-27  XYZ     1.0     21.0        3

下面是我的代码

for i in ids:
   subset = frame_combined_DF.loc[frame_combined_DF.SKU==i]
   subset.index=subset.WY
   subset.sort_index(inplace=True)
   period=subset.Time_W.unique().astype('int64')[0]
   per=str(period)+'W'
   df = subset.Qty.resample(per).sum()
   new_df = {'WY':df.index, 'Qty':df.values,'SKU':i} 
   newdf = pd.DataFrame(new_df) 
   new_series=new_series.append(newdf)

运行此代码时出现以下错误

 ValueError: Offset <0 * Weeks: weekday=6> did not increment date

---

从您的示例数据中，我看到WY是索引列

但请检查此列是否为datetime类型（不是字符串）。 如果不是，则运行

frame\u combined\u DF.index=pd.to\u datetime（frame\u combined\u DF.index）

另一点需要注意的是，newdf是一个数据帧，而不是一个系列， 因此，您应该将其附加到数据帧

第三点是不需要subset.index=subset.WY，因为 WY已经是索引了

最后一件事：您的示例没有定义新的_系列（在我的解决方案中） 我把它改成了结果）

因此，请将代码更改为：

result = pd.DataFrame()
for i in frame_combined_DF.SKU.unique():
    subset = frame_combined_DF.loc[frame_combined_DF.SKU==i]
    subset.sort_index(inplace=True)
    period = subset.Time_W.unique().astype('int64')[0]
    per = str(period) + 'W'
    df = subset.Qty.resample(per).sum()
    new_df = {'WY': df.index, 'Qty': df.values, 'SKU': i}
    newdf = pd.DataFrame(new_df)
    result = result.append(newdf, ignore_index=True)

---

它应该运行，至少在我的计算机上不会出现错误。

您可以共享预期输出吗？更新了预期输出

result = pd.DataFrame()
for i in frame_combined_DF.SKU.unique():
    subset = frame_combined_DF.loc[frame_combined_DF.SKU==i]
    subset.sort_index(inplace=True)
    period = subset.Time_W.unique().astype('int64')[0]
    per = str(period) + 'W'
    df = subset.Qty.resample(per).sum()
    new_df = {'WY': df.index, 'Qty': df.values, 'SKU': i}
    newdf = pd.DataFrame(new_df)
    result = result.append(newdf, ignore_index=True)