Python / Pandas-使用每周列准備時間序列的源數據

Question

我試圖用谷歌搜索這樣的問題： 如何轉換每周數據以在熊貓中進行時間序列分析？

沒有結果直接談論從每天到每周的數據重新采樣或類似的事情，就很難搜索這個問題。

我的問題確實更多與已經以每周數字數據形式存在的源數據有關，但是沒有像日期時間戳這樣的時間或日期數據。

格式如下：（請使用豎線對每一行進行邏輯對齊。）

Unique_Entity(string) | WK1(float64) | WK2(float64) | WK3(float64)| ...
UE1 | 123 | 234 | 345 | ...
UE2 | 456 | 567 | 678 | ...
UE3 | 789 | 890 | 901 | ...
... | ... | ... | ... | ...

另外，WK1是“動態”描述，以指示數值數據是上周，WK2是兩周前，WK3是三周前，依此類推。 因此，下周WK1的數據將轉移到WK2，並將新數據添加到WK1。 希望從我的描述中講得通。

以此作為源數據格式，我想使用熊貓和其他python模塊提供的時間序列工具分析此實時數據。 他們中的許多人都使用顯式的日期列來獲取其余的分析結果。

總結問題： 如何轉換或准備我的源數據，以便可以輕松使用這些工具？ （除了下面我的幼稚解決方案。）

天真的解決方案：我可以標記每周倒退的星期一（或星期五）的日期。 （一個使用今天的日期來生成每個星期一（或星期五）回溯的日期的函數。）然后，我可以指出那些時間序列工具以使用這些日期並將其重新采樣為周。

這是假設我沒有旋轉水平標題，以便WK1將與上周一（或周五）的日期等一起加入。

Answer 1

創建一個今天結束的DatetimeIndex，將其倒數1周，並將其分配給各列：

df.columns = pd.date_range(end=datetime.date.today(), periods=len(df.columns),
                           freq='1W-MON')[::-1]

它給：

     2019-06-10  2019-06-03  2019-05-27
UE1         123         234         345
UE2         456         567         678
UE3         789         890         901

如果需要，轉置結果。