如何在没有小时/分钟/秒的情况下以日期时间格式创建周列？
如何在没有小时/分钟/秒的情况下以日期时间格式创建周列？
提问于 2021-06-07 20:14:10
为了在熊猫：group by week in pandas中创建一个周专栏，我遵循了本教程。如果你有一个没有几个小时、几分钟和几秒的约会，答案就会很好。但这对我没用。实际上，我甚至不需要答案的总结部分，只需要创建一周专栏，这看起来很简单，但我找不到解决方案。
我有一个数据集，上面有产品的id、价格和销售时间，如下所示：
sold_date id price
2020-01-01 20:00:01 A1 100
2020-01-02 10:03:01 B1 110
2020-01-02 11:10:01 B1 130
2020-02-03 22:20:01 A1 110
2020-02-04 23:05:01 A1 140
2020-02-04 21:00:05 B1 190
.
.
.我只想添加一个日期时间列与创建周。我在努力做到这一点：
week_sold id price
2019-12-30 A1 100
2019-12-30 B1 110
2019-12-30 B1 130
2020-02-02 A1 110
2020-02-02 A1 140
2020-02-02 B1 190
.
.
.我也可以像2019-12-30 : 00:00:000那样工作。我下面的链接的解决方案的问题是，它不考虑时间，所以当您创建一个周列时，只需减去7天，就可以得到每一行的不同值。对于前两行，2019-12-30 20:00:01和2019-12-30 10:03:01。
提前谢谢。很抱歉我的数据，我不能分享我正在处理的表格。
回答 2
Stack Overflow用户
回答已采纳
发布于 2021-06-07 20:18:33
您可以使用to_period，然后获取句点的start_time。
df['week_sold'] = df['sold_date'].dt.to_period('W').dt.start_time
sold_date id price week_sold
0 2020-01-01 20:00:01 A1 100 2019-12-30
1 2020-01-02 10:03:01 B1 110 2019-12-30
2 2020-01-02 11:10:01 B1 130 2019-12-30
3 2020-02-03 22:20:01 A1 110 2020-02-03
4 2020-02-04 23:05:01 A1 140 2020-02-03
5 2020-02-04 21:00:05 B1 190 2020-02-03Stack Overflow用户
发布于 2021-06-07 20:19:36
根据您的sold_date列的日期类型，它可能很简单，只需转换为pd.datetime，如下所示：
df["sold_date"] = pd.to_datetime(df["sold_date"])
一旦出现这种情况，您就可以通过以下操作访问日期：
df["sold_date"] = df["sold_date"].dt.date
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/67878147
复制相关文章
相似问题
腾讯云开发者
