Python将daily列转换为一个新的数据框架，其中year作为索引week作为列

我有一个数据框，日期作为索引和参数。我想将列数据转换成一个新的数据框，其中年作为行索引，周数作为列名，单元格显示周平均值。然后，我将使用

seaborn使用这些信息进行绘图https://seaborn.pydata.org/generated/seaborn.relplot.html

我的数据：

df = 
              data
2019-01-03    10
2019-01-04    20
2019-05-21    30
2019-05-22    40
2020-10-15    50
2020-10-16    60
2021-04-04    70
2021-04-05    80

# convert the df into weekly averaged dataframe
wdf = df.groupby(df.index.dt.strftime('%Y-%W')).data.mean() 
wdf
2019-01  15
2019-26  35
2020-45  55
2021-20  75

我的代码：

df = 
              data
2019-01-03    10
2019-01-04    20
2019-05-21    30
2019-05-22    40
2020-10-15    50
2020-10-16    60
2021-04-04    70
2021-04-05    80

# convert the df into weekly averaged dataframe
wdf = df.groupby(df.index.dt.strftime('%Y-%W')).data.mean() 
wdf
2019-01  15
2019-26  35
2020-45  55
2021-20  75

预期答案：列名表示周数，索引表示年份。单元格表示样本在该周的平均值

       01    20    26    45
2019   15    NaN   35    NaN  # 15 is mean of 1st week (10,20) in above df
2020   NaN   NaN   NaN   55
2021   NaN   75    NaN   NaN      

---

不知道如何进一步从上述获得的解决方案中获得预期的答案。

您需要在groupby中使用二维，然后取消堆叠以将数据作为网格进行布局：

---

df.groupby（[df.index.year，df.index.week]）['data'].mean（）.unstack（）

您需要在groupby中使用两个维度，然后unstack将数据作为网格进行布局：

df.groupby（[df.index.year，df.index.week]）['data'].mean（）.unstack（）

您可以使用：

您可以使用：

---

我用过这个

odf['week']=df.index.dt.strftime（'%W'）

另一个给出了一些错误数据。我使用了这个

odf['week']=df.index.dt.strftime（'%W'）

另一个给出了一些错误数据。