Python熊猫-不同年份的每周数据分组-重采样

我尝试使用“groupby”将3年的每日数据分组为每周数据

因此，我只想获得与2017年1月至2017年2月的四周相关的数据，然后是2017年2月，以此类推，直到2019年12月

到目前为止，我掌握的代码和原始数据示例如下所示：

prices = pd.read_csv("name_of_file.csv", header=1, index_col=0)    
prices.index = pd.to_datetime(prices.index, format='%d/%m/%Y')    
a=prices.groupby(prices.index.week).head(1)    
c=prices.groupby(prices.index.week).tail(1)

a&c输出2017年和2019年的预期数据，但不是2018年的数据。 使用resample（'w'）.mean（）可以很好地工作，但我需要的是准确的数据，而不是它的平均值

                  A        AAL         AAP  
Date                                                                         
2017-01-03  45.265160  44.906567  169.691284  
2017-01-04  45.859093  45.294525  171.083817  
2017-01-05  45.313847  44.508907  170.964462  
2017-01-06  46.725651  44.819275  168.726456  
2017-01-09  46.871700  45.663097  168.626968

您对如何实现上述目标有何想法？

---

谢谢

我不确定我是否正确理解了你的问题（缺少样本数据也没有帮助）

我认为您需要的是为每列使用不同的函数来聚合每周数据，即为

a

和

b

列取每周的第一个值，为

c

列取最后一个值

如果是，请尝试以下方法：

prices.groupby（[pd.Grouper（freq=“W”）））.agg（{“a”：“first”、“b”：“first”、“c”：“last”}）

（您也可以使用其他聚合方式，如

{“a”：“sum”，“b”：“mean”，…}

）

---

UPD。

---

尝试

df.resample（“W”）.first（）

或

df.resample（“7D”）.first（）

我不确定是否正确理解了您的问题（缺少样本数据也没有帮助）

我认为您需要的是为每列使用不同的函数来聚合每周数据，即为

a

和

b

列取每周的第一个值，为

c

列取最后一个值

如果是，请尝试以下方法：

prices.groupby（[pd.Grouper（freq=“W”）））.agg（{“a”：“first”、“b”：“first”、“c”：“last”}）

（您也可以使用其他聚合方式，如

{“a”：“sum”，“b”：“mean”，…}

）

---

UPD。

---

尝试

df.resample（“W”）.first（）

或

df.resample（“7D”）.first（）

如果不是

mean

那么您希望如何聚合每周数据<代码>总和？如果不是

平均值

，那么您希望如何汇总每周数据<代码>总和？是的，很抱歉。我不想聚合数据，我只想从每日数据、每周数据组中进行选择。假设2017年1月的数据从1月1日到1月2日。。。直到1月31日，我想做的是从这31天中选择/拉取7-1月、14-1月、21-1月和28-1月的数据/价格，以及其他任何一个月的数据/价格。@jimfromtheoffice，在这种情况下，也许可以尝试

df.resample（“W”）.first（）

df.resample（“7D”）。first（）@jimfromtheoffice太好了，很高兴我能帮上忙！是的，很抱歉。我不想聚合数据，我只想从每日数据、每周数据组中进行选择。假设2017年1月的数据从1月1日到1月2日。。。直到1月31日，我想做的是从这31天中选择/拉取7-1月、14-1月、21-1月和28-1月的数据/价格，以及其他任何一个月的数据/价格。@jimfromtheoffice，在这种情况下，也许可以尝试

df.resample（“W”）.first（）

df.resample（“7D”）。first（）@jimfromtheoffice太好了，很高兴我能帮上忙！