Python 如何在非连续数据中计算每周、每月和季节性开始和结束日期

我有一系列的日期可以追溯到几年前，但是，它们不是连续的，这意味着在一些星期有7个日期，在其他一些星期有3个日期，在一些极端情况下，那一周只有一个日期

我需要确定并标记每个星期的开始和结束日期，这些日期都是可用的。例如，

2015-06-23

、

2015-06-24

、

2015-06-25

、和

2015-06-27

记录的是从

2015-06-22（周一）

开始的一周，因此

2015-06-23

和

2015-06-27

应该分别是该周的开始和结束。如果给定的一周只记录了一个日期，则该日期应同时为该周的开始和结束日期

将相同的概念扩展到月份，我需要识别和标记任何给定月份的开始和结束日期，无论给定月份有多少个日期

同样，这也适用于四季定义（以开始月和结束月为单位）可定制的季节。也就是说，我可以将四季定义为：春天（三月到五月）、夏天（六月到八月）、秋天（九月到十一月）、冬天（十二月到二月），或者我可以改变月份来使用不同的定义。事实上，我们可以完全抛弃传统的季节概念，只定义四个连续的周期，每个周期连续三个月。根据这样的定义，我需要确定每个给定时段/季节的开始和结束日期

什么是执行上述所有操作的高效算法？

它是的一个变体，其中要求您找到每个“不同”元素的两个特定实例。
（通过为

i

th元素添加

i/epsilon

时间，然后确定是否有一周的时间包含多个日期，可以减少元素的差异性）

元素差异性通常通过以下两种方法之一解决，也可在此处应用：

对数据进行排序，然后进行迭代。在分类数据中，很容易找到每个星期/月/年/的第一次和最后一次事件

填充从周数（整数）映射到列表的哈希映射，包括本周的所有日期。找到第一个（最早的）数据很容易，然后您可以将本周定义为“第1周”，之后，很容易计算从“第1周”开始的每个日期的偏移量（以周为单位）。因此，首先找到这个“第一周”日期（单次迭代），然后-创建所需的映射（在第二次迭代中，每次插入平均

O（1）

），最后-迭代映射，并为每个日期-输出与本周相关联的列表中的最小和最大日期

---

请注意，如果您正在寻找可扩展的解决方案，那么第二种方法可以很容易地转换为。

感谢您的指导，它们非常有用。但我有一个问题：对于第一种方法（排序），在对日期进行排序（例如，降序）后，当您迭代这些日期时，假设您当前的日期是星期三，下一个日期是星期二，但是如何区分这是同一周的星期二还是前一周的星期二？如前所述，我的数据中可能缺少某一周中的某些天。@skyork星期三之后的星期二总是在下一周。如果您按降序排列日期，即从最晚到最早，则不一定如此，如我上面所建议的。同样，我的数据中的日期是不规则的，因此一周中的天数不是恒定的。如果按另一个方向排序，同样的问题仍然存在，例如，在没有获得额外信息（如两个日期之间的差异）的情况下，如何知道星期三之后的星期四在当前星期或之后的星期？