如何在Python（pandas）中从日期列获取周开始日期（周一）？

Question

我看到很多关于如何使用日期字符串的帖子，但我正在尝试处理数据框列，但迄今为止没有什么好运。

我的当前方法是：从'myday'获取工作日，然后偏移以获取星期一。

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

但是我遇到了TypeError: unsupported type for timedelta days component: numpy.ndarray

我该如何从数据框的一列中获取这周的开始日期？

- dev28

Answer 1

另一个选择：

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

这将设置“week_start”为“myday”之前的第一个星期一。

您可以通过锚定偏移量选择不同的星期开始日期，例如'W-THU'可使星期从周四开始。（感谢@Henry Ecker提出的建议）

- carleton

---

谢谢。df['myday'].dt.to_period('W').dt.start_time 可能比使用 apply 更快（不确定这是从哪个 pandas 版本开始引入的，可能不适用于旧版本）。 - Ryan Tam

可以使用锚定偏移量来设置一周的任意开始日期。以星期日为开始日期的偏移量是'W-SUN'，以星期四为开始日期的偏移量是'W-THU'。 - Henry Ecker

@HenryEcker 谢谢！这应该被添加到这个答案中，以覆盖更广泛的方面。 - Itachi

可以参考文档来了解可能的 .dt 选项有哪些？链式调用 .dt 并不是预期中的，但确实很棒。 - Luis R. Gonzalez

Answer 2

虽然@knightofni和@Paul的解决方案都可以工作，但我倾向于避免在Pandas中使用apply，因为它通常比基于数组的方法慢得多。为了避免这种情况，在将列转换为日期时间列（通过pd.to_datetime）后，我们可以修改基于工作日的方法，并将星期几简单地转换为numpy timedelta64[D]，方法是直接进行类型转换：

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

或者使用 to_timedelta，就像 @ribitskiyb 建议的那样：

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版本并按照建议的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)

这些结果显示，Pandas 1.0.1极大地提高了基于to_period apply方法的速度（相对于Pandas <= 0.25），但是直接转换为时间差（通过将类型直接转换为.astype('timedelta64[D]')或使用pd.to_timedelta）仍然更优。根据这些结果，建议今后使用pd.to_timedelta。

- n8yoder

---

这是如何工作的？在我的数据集中，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会起作用？这似乎是最好的解决方案。 - Don Quixote

澄清上面的帖子，我理解的情况是基本上它在说取日期，然后从中减去星期几。但我不明白的是为什么.astype('timedelta64[D]')的结果都是零。 - Don Quixote

@DonQuixote 可能你的 'myday' 频率小于 '1D'。那么这样是行不通的。你必须修改它以减去小时、分钟等。 - grabantot

Answer 3

(只是在补充 n8yoder 的答案)

对我来说，使用.astype('timedelta64[D]')不太易读--我发现了一种替代方法，只使用 pandas 的功能:

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

- ribitskiyb

---

我喜欢@Paul的lambda表达式，但这个答案更快，同样“简洁”。感谢您提供的解决方案。 - Edmund's Echo

Answer 4

它失败的原因是pd.DateOffset期望参数为单个整数（而您正在提供一个数组）。您只能使用DateOffset通过相同的偏移量更改日期列。

尝试这样做：

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)

我实际上没有测试过这段代码（因为没有样本数据），但是根据你描述的应该可以工作。

不过，你可能想看一下pandas.Resample，它可能会提供更好的解决方案 - 具体取决于你所寻找的内容。

- knightofni

---

谢谢您的解释。这个解决方案正是我想要的！ - dev28

TimeDelta 不应该指向 df['daysoffset'] 吗？ - Carsten

使用lambda会导致某些操作变慢。 - Nicolas

Answer 5

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)

- Rohan Pawar