如何在Python 3.6中将日期划分为周并创建新列表？

我有两个数据列表，一个是日期和平均值，另一个是索引，另一个是值，它们看起来像：

#list 1: (in total 62 raws)
date      d_mean
2017-3-1  15.3
2017-3-2  16.9
2017-3-3  18.2
...
2017-4-30 17.7
2017-5-1  15.6

#list2: (in total 10 raws)
     sum
121  555
122  784
123  546
...
142  568
143  658
144  847

我想：

把日期分成几周

计算每周的平均值，并创建一个列为“week”和“w_mean”的新列表

使这两个列表的大小相同，然后将它们相互绘制

我试着用

    chunks = [avg_T1[x:x+7] for x in range(4, len(avg_T1), 7)]

但这只是划分了列表，我试图添加

    .mean()

最后，它并没有真正起作用

---

我是Python新手，我也很高兴听到有什么必要的材料需要我阅读或练习，以帮助我习惯使用Python。

没有原始数据很难回答，但你可以使用自定义函数：要么

index/7

要么使用以获取周数：

import pandas as pd
import datetime
import numpy as np
start = datetime.datetime(2017,3,1)
end = datetime.datetime(2017,5,2)
daterange = [start + datetime.timedelta(days=x) for x in range(0, (end-start).days)]
data = pd.DataFrame({'date':daterange, 'v':np.random.randint(0,100,size=len(daterange))}).set_index('date')

数据

现在看起来像：

             v
date          
2017-03-01   1
2017-03-02  40
2017-03-03  49
2017-03-04  27
2017-03-05  37
2017-03-06  90
2017-03-07  88
2017-03-08  42
2017-03-09  90
2017-03-10  84
2017-03-11  47
2017-03-12  24
2017-03-13  18
2017-03-14  24
2017-03-15  38
2017-03-16  71
2017-03-17  11
2017-03-18  40
...

下面是strftime的

结果：

>>> data.groupby(lambda d: d.strftime('%V')).mean()
            v
09  30.800000
10  66.428571
11  36.285714
12  40.857143
13  55.428571
14  56.285714
15  52.000000
16  39.714286
17  39.714286

以下是7年中的
日期的结果：

>>> data.groupby(lambda d: d.timetuple().tm_yday//7).mean()
            v
8   30.000000
9   65.428571
10  33.285714
11  48.857143
12  46.571429
13  58.000000
14  47.428571
15  41.428571
16  45.285714
17  33.500000

这取决于你如何定义一周

请注意，如果数据跨度超过一年，它将不起作用。您可能应该使用。
我不确定是否完全理解您的问题，但第一部分的答案应该是

df = df.set_index('date')
df['w_mean'] = df.resample('w').d_mean.mean(). 

这是数据帧每周的平均值（我认为您正在调用列表）

我不知道你如何使这两个列表长度相同，因为它们在同一时间段内的频率不同

您将拥有一个列（“w_mean”），该列每七天有一个值，其他所有地方都有一个值

你可以做
df.interpolate（）.plot（）
是我能想到的最接近的事情…
你有一个可复制的数据示例吗？使用pandas将日期列转换为日期时间索引和周频率，取平均值。这里唯一的危险是，如果你有超过一年的数据（看起来不像OP）它将在一年中的每一周聚集在一起（即2015年第1周将与2016年第1周以及所有其他年份合并）@RSHAP：的确如此。你的方法更好。这真的很有帮助！非常好，我不知道如何重新采样。