3 回答

TA贡献1804条经验 获得超2个赞
使用 Pandas 日期偏移量,例如:
>>> pd.to_datetime('2019-04-09') + pd.offsets.Week(weekday=6)
Timestamp('2019-04-14 00:00:00')
例如,这会在datetime一周内更改所提供的内容。这是矢量化的,因此您可以针对这样的系列运行它:
temp['sunday_dates'] = temp['our_dates'] + pd.offsets.Week(weekday=6)
our_dates random_data sunday_dates
0 2010-12-31 4012 2011-01-02
1 2007-12-31 3862 2008-01-06
2 2006-12-31 3831 2007-01-07
3 2011-12-31 3811 2012-01-01
Nb 该Week(weekday=INT)参数在星期一索引为 0,取值为 0 到 6(含)。因此,传递 0 会产生所有星期一,传递 1 会产生所有星期二,等等。使用它,您可以在一周中的任何一天制作任何您想要的东西。
铌如果你想要去的最后一个周日刚刚交换+到-回去。
Nb(这样的注释,非常有用)关于时间序列功能的具体文档可以在这里找到:https : //pandas.pydata.org/pandas-docs/stable/user_guide/timeseries.html

TA贡献1789条经验 获得超8个赞
功能
import datetime
def datetime_to_next_sunday(original_datetime):
return original_datetime + datetime.timedelta(days=6-original_datetime.weekday())
返回转移到下一个星期日的 datetime.datetime。拥有
import pandas as pd
df = pd.DataFrame({'A': ['Foo', 'Bar'],
'datetime': [datetime.datetime.now(),
datetime.datetime.now() + datetime.timedelta(days=1)]})
以下行应该用于工作:
df['dt_following_sunday'] = df[['datetime']].applymap(datetime_to_next_sunday)

TA贡献1820条经验 获得超10个赞
接受的答案是要走的路,但您也可以为此使用Series.apply()和pandas.Timedelta(),即:
df["ns"] = df["d"].apply(lambda d: d + pd.Timedelta(days=(6 if d.weekday() == 6 else 6-d.weekday())))
d ns
0 2019-04-09 21:22:10.886702 2019-04-14 21:22:10.886702
添加回答
举报