将任意日期对象按时间范围聚合在一起

Question

我想把日历分成两周为一个单位，从2008年5月5日开始，或者从任何我想要的日期开始。

所以我先创建了几个日期对象：

import datetime as DT

raw = ("2010-08-01",
       "2010-06-25",
       "2010-07-01",
       "2010-07-08")

transactions = [(DT.datetime.strptime(datestring, "%Y-%m-%d").date(),
                 "Some data here") for datestring in raw]
transactions.sort()

通过手动分析这些日期，我可以很清楚地找出哪些日期属于同一个两周的时间段。我想得到的分组大概是这样的：

# Fortnight interval 1
(datetime.date(2010, 6, 25), 'Some data here')
(datetime.date(2010, 7, 1), 'Some data here')
(datetime.date(2010, 7, 8), 'Some data here')

# Fortnight interval 2
(datetime.date(2010, 8, 1), 'Some data here')

Answer 1

使用一个pandas的DataFrame，配合resample功能也可以实现。根据提问者的数据，只需要把“some data here”改成'abcd'。

>>> import datetime as DT
>>> raw = ("2010-08-01",
...        "2010-06-25",
...        "2010-07-01",
...        "2010-07-08")
>>> transactions = [(DT.datetime.strptime(datestring, "%Y-%m-%d"), data) for
...                 datestring, data in zip(raw,'abcd')]
[(datetime.datetime(2010, 8, 1, 0, 0), 'a'),
 (datetime.datetime(2010, 6, 25, 0, 0), 'b'),
 (datetime.datetime(2010, 7, 1, 0, 0), 'c'),
 (datetime.datetime(2010, 7, 8, 0, 0), 'd')]

现在试着使用pandas。首先创建一个DataFrame，给列命名，并把索引设置为日期。

>>> import pandas as pd
>>> df = pd.DataFrame(transactions,
...                   columns=['date','data']).set_index('date')
           data
date
2010-08-01    a
2010-06-25    b
2010-07-01    c
2010-07-08    d

接下来，使用系列偏移别名，从周日开始每两周进行一次采样，并把结果合并在一起。

>>> fortnight = df.resample('2W-SUN').sum()
           data
date
2010-06-27    b
2010-07-11   cd
2010-07-25    0
2010-08-08    a

现在根据需要按周开始的日期深入查看数据。

>>> fortnight.loc['2010-06-27']['data']
b

或者按索引查看。

>>> fortnight.iloc[0]['data']
b

或者按多个索引查看。

>>> data = fortnight.iloc[:2]['data']
b
date
2010-06-27     b
2010-07-11    cd
Freq: 2W-SUN, Name: data, dtype: object
>>> data[0]
b
>>> data[1]
cd

Answer 2

使用itertools库中的groupby和lambda函数，可以根据时间段的长度来划分从起点的距离。

>>> for i, group in groupby(range(30), lambda x: x // 7):
    print list(group)


[0, 1, 2, 3, 4, 5, 6]
[7, 8, 9, 10, 11, 12, 13]
[14, 15, 16, 17, 18, 19, 20]
[21, 22, 23, 24, 25, 26, 27]
[28, 29]

比如说日期：

import itertools as it
start = DT.date(2008,5,5)
lenperiod = 14

for fnight,info in it.groupby(transactions,lambda data: (data[0]-start).days // lenperiod):
    print list(info)

你还可以使用strftime中的周数，以及用周数表示的时间段长度：

for fnight,info in it.groupby(transactions,lambda data: int (data[0].strftime('%W')) // lenperiod):
    print list(info)

Answer 3

import datetime as DT
import itertools

start_date=DT.date(2008,5,5)

def mkdate(datestring):
    return DT.datetime.strptime(datestring, "%Y-%m-%d").date()

def fortnight(date):
    return (date-start_date).days //14

raw = ("2010-08-01",
       "2010-06-25",
       "2010-07-01",
       "2010-07-08")
transactions=[(date,"Some data") for date in map(mkdate,raw)]
transactions.sort(key=lambda (date,data):date)

for key,grp in itertools.groupby(transactions,key=lambda (date,data):fortnight(date)):
    print(key,list(grp))

产生

# (55, [(datetime.date(2010, 6, 25), 'Some data')])
# (56, [(datetime.date(2010, 7, 1), 'Some data'), (datetime.date(2010, 7, 8), 'Some data')])
# (58, [(datetime.date(2010, 8, 1), 'Some data')])

注意，2010年6月25日是从2008年5月5日开始的第55个两周期，而2010年7月1日是第56个。如果你想把它们放在一起，只需把 start_date 改成其他日期，比如2008年5月16日。

附注：上面使用的关键工具是 itertools.groupby，详细解释可以在 这里 找到。

编辑：lambda 是一种创建 “匿名”函数 的方式。（它们之所以叫匿名，是因为没有像用 def 定义的函数那样被命名）。在任何出现 lambda 的地方，你也可以用 def 来创建一个等效的函数。例如，你可以这样做：

import operator
transactions.sort(key=operator.itemgetter(0))

def transaction_fortnight(transaction):
    date,data=transaction
    return fortnight(date)

for key,grp in itertools.groupby(transactions,key=transaction_fortnight):
    print(key,list(grp))