Python pandas - 按不同年份的每周数据分组 - 重新采样

Question

我正在尝试使用“groupby”将 3 年的每日数据分组为每周数据。

因此，我只想获取与 2017 年 1 月、2017 年 2 月、依此类推直到 2019 年 12 月这四个星期相关的数据。

到目前为止我拥有的代码和原始数据的示例如下所示:

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 年所需的数据，但不输出 2018 年的数据。使用 resample('w').mean() 效果很好，但我再次想要确切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

您知道如何实现上述目标吗？谢谢

Answer 1

我不确定我是否正确理解了你的问题(缺乏示例数据也无济于事)。

我认为您想要的是使用每个列的不同函数来聚合每周数据，即为 a 和 b 获取每周的第一个值 列和最后 值 - 对于列c。

如果是这样，请尝试这个:

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，例如 {"a": "sum", "b": "mean", ...})

<小时/>

更新。

尝试df.resample("W").first()或df.resample("7D").first()