Python 将时间序列数据集从一天缩减到一周

我从mysql中获得了一个逐日的时间序列数据，我想把它转换成每周的时间序列数据。我怎么能做到

例如，这里有一个产品的数据集，它有键Timestamp&Price，包含14天的日期和相应的价格

Product:{'Timestamp'：[datetime.date（2019,4,15），datetime.date（2019,4,16），datetime.date（2019,4,17），datetime.date（2019,4,18），datetime.date（2019,4,19），datetime.date（2019,4,20），datetime.date（2019,4,22），datetime.datetime（2019,4,23），datetime.datetime（2019,4,24），datetime.date,4,25），datetime.date（2019,4,26），datetime.date（2019,4,27），datetime.date（2019,4,28）]
，价格：['3988'，'3988'，'3988'，'3988'，'3988'，'3988'，'3988'，'3988'，'3988'，'3988'，'3988'，'3988'，'3988'，'3988']

现在，我想让我的周平均数据从周六开始到周五结束，而不是简单地给出相应的日期和价格（这里我使用19年4月4日星期五和26年4月4日星期五的例子来表示每周平均值，使用每个日期前6天的数据；注意，这些日期不仅仅代表一天的价格）因此结果应该是这样的：

Product:{'Timestamp'：[datetime.date（2019,4,19），datetime.date（2019,4,26）]
，价格：['3988'，'3988']}

如果您将时间序列数据转换为pd.to_datetime（），则很容易找到从周五开始的一周平均值

然后使用列表理解创建一个新的序列，然后对数据进行累积和

df['Week'] = [1 if x == 4 else 0 for x in df['Timestamp'].dt.weekday]
df['Week'] = df['Week'].cumsum()

最后，对新创建的序列进行分组以获得结果

df[['Price', 'Week']].groupby('Week').mean()

希望这有帮助：）

更新

您只需使用min和max对Timestamp变量执行聚合函数，就可以得到日期

df[['Timestamp', 'Week']].groupby(['Week']).agg({'Timestamp':[np.min,np.max]})

---

通过遵循@saahil提供的步骤，我几乎可以得到我想要的。我需要在我的结果中包含一个信息，那就是对应于一周的时间戳。但是，我的解决方案，而不是我选择的分组透视来帮助我解决这个问题

df2=pd.pivot_表（df，索引=['Week']，值=['Price'，'Timestamp']，aggfunc={'Price'：np.mean，'Timestamp'：max}）

您好，您的答案非常有用！它完全解决了我的问题。非常感谢。祝您今天过得愉快！哦，我仍然有一个问题，我从这个结果得到的指数是星期，但我希望我的指数是我选择结束的日期。所以索引应该是datetime.date（2019,4,19），datetime.date（2019,4,26）。有什么想法吗？嗨，我加了密码。如果它解决了你的问题，请告诉我。再见谢谢，还有几个步骤需要解决。但它给了我一些打击。

df[['Timestamp', 'Week']].groupby(['Week']).agg({'Timestamp':[np.min,np.max]})