从 Python（熊猫）中的日期列获取周开始日期（星期一）？

Posted 2023-02-25

【中文标题】从 Python（熊猫）中的日期列获取周开始日期（星期一）？

【英文标题】：Get week start date (Monday) from a date column in Python (pandas)?

【发布时间】：2015-03-15 08:42:00

【问题描述】：

我已经看过很多关于如何使用日期字符串进行操作的帖子，但我正在为数据框列尝试一些东西，但到目前为止还没有任何运气。 我目前的方法是：从'myday'获取工作日，然后偏移到星期一。

df['myday'] is column of dates. 
mydays = pd.DatetimeIndex(df['myday']).weekday
df['week_start'] = pd.DatetimeIndex(df['myday']) - pd.DateOffset(days=mydays)

但我明白了 TypeError：timedelta days 组件不支持的类型：numpy.ndarray

如何从 df 列获取周开始日期？

【参考方案1】：

from datetime import datetime, timedelta

# Convert column to pandas datetime equivalent
df['myday'] = pd.to_datetime(df['myday']) 

# Create function to calculate Start Week date
week_start_date = lambda date: date - timedelta(days=date.weekday())

# Apply above function on DataFrame column
df['week_start_date'] = df['myday'].apply(week_start_date)

【参考方案2】：

虽然@knightofni's 和@Paul's 解决方案都有效，但我倾向于尽量避免在 Pandas 中使用 apply，因为与基于数组的方法相比，它通常非常慢。为了避免这种情况，在转换为日期时间列（通过pd.to_datetime）后，我们可以修改基于工作日的方法，并通过直接转换将星期几转换为numpy timedelta64[D]：

df['week_start'] = df['myday'] - df['myday'].dt.weekday.astype('timedelta64[D]')

或将to_timedelta 用作@ribitskiyb suggested：

df['week_start'] = df['myday'] - pd.to_timedelta(df['myday'].dt.weekday, unit='D'). 

使用包含 60,000 个日期时间的测试数据，我使用新发布的 Pandas 1.0.1 的建议答案得到了以下时间。

%timeit df.apply(lambda x: x['myday'] - datetime.timedelta(days=x['myday'].weekday()), axis=1)
>>> 1.33 s ± 28.9 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

%timeit df['myday'].dt.to_period('W').apply(lambda r: r.start_time)
>>> 5.59 ms ± 138 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

%timeit df['myday'] - df['myday'].dt.weekday.astype('timedelta64[D]')
>>> 3.44 ms ± 106 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

%timeit df['myday'] - pd.to_timedelta(df['myday'].dt.weekday, unit='D')
>>> 3.47 ms ± 170 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

这些结果表明，Pandas 1.0.1 显着提高了基于 to_period 应用方法的速度（与 Pandas .astype('timedelta64[D]') 或使用 @ 987654331@ 仍然更胜一筹。基于这些结果，我建议继续使用pd.to_timedelta。

【讨论】：

这是如何工作的？我的数据集中的 df['myday'].dt.weekday.astype('timedelta64[D]') 返回一系列全零。为什么或如何从 df['myday'] 中减去 0 起作用？这似乎是最好的解决方案。

澄清上面的帖子，我理解发生了什么的方式基本上是说取日期，然后从中减去星期几。但我不明白为什么 .astype('timedelta64[D]') 会导致全为零。

@DonQuixote 可能您的“我的一天”频率小于“1D”。那时这行不通。您必须修改它以减去小时、分钟等。

【参考方案3】：

它失败是因为 pd.DateOffset 需要一个整数作为参数（并且您正在为其提供一个数组）。您只能使用 DateOffset 将日期列更改相同的偏移量。

试试这个：

import datetime as dt
# Change 'myday' to contains dates as datetime objects
df['myday'] = pd.to_datetime(df['myday'])  
# 'daysoffset' will container the weekday, as integers
df['daysoffset'] = df['myday'].apply(lambda x: x.weekday())
# We apply, row by row (axis=1) a timedelta operation
df['week_start'] = df.apply(lambda x: x['myday'] - dt.TimeDelta(days=x['daysoffset']), axis=1)

我还没有实际测试过这段代码（没有示例数据），但这应该适用于您所描述的内容。

但是，您可能想查看 pandas.Resample，它可能会提供更好的解决方案 - 取决于您正在寻找的确切内容。

【讨论】：

谢谢您的解释。这个解决方案正是我想要的！

TimeDelta 不应该引用df['daysoffset']吗？

使用 lambda 会导致速度变慢

【参考方案4】：

（只是添加到n8yoder的答案）

使用.astype('timedelta64[D]') 对我来说似乎不太可读——找到了只使用 pandas 功能的替代方法：

df['myday'] - pd.to_timedelta(arg=df['myday'].dt.weekday, unit='D')

【讨论】：

我喜欢@Paul 的 lambda 表达式，但这个答案要快得多，而且同样“精练”。感谢您的解决方案。

【参考方案5】：

另一种选择：

df['week_start'] = df['myday'].dt.to_period('W').apply(lambda r: r.start_time)

这会将“week_start”设置为“myday”时间之前的第一个星期一。

【讨论】：

谢谢。 df['myday'].dt.to_period('W').dt.start_time 可能比使用 apply 更快（不确定何时引入，可能不适用于旧版 pandas）