问题描述
我想将星期几添加到Pandas DataFrame中。但这应该是累积的周数，在明年的1-52之后以53-104继续（而不是简单地从1-52重新开始）。 SO post正在处理类似的问题，但由于它提供的是排名而不是周数，因此没有给出理想的结果。
作为示例，我使用以下数据集。
import pandas as pd
df = pd.DataFrame({'Date':['2018-01-03','2018-01-10','2018-12-31','2019-01-06','2019-01-02','2019-03-15','2019-12-31','2020-01-02']})
然后我从数据中提取了week和year。
df['Date'] = pd.to_datetime(df['Date'])
df['Week'] = df['Date'].dt.isocalendar().week
df['Year'] = df['Date'].dt.isocalendar().year
并找到以下可行的解决方案。
df['Weeknr'] = df['Week'] + df['Year'].map({2018:0,2019:52,2020:104})
但是我很好奇是否存在更好的选择。无需在代码中手动输入2018、2019和2020年（因为新数据可能会更改年份）：
所以问题是，是否有任何函数或任何其他方式可以计算累计周数？
解决方法
我会做的：
df['weeknr'] = df['Week'] + (df['Year'] - df['Year'].min())*52
输出：
Date Week Year weeknr
0 2018-01-03 1 2018 1
1 2018-01-10 2 2018 2
2 2018-12-31 1 2019 53
3 2019-01-06 1 2019 53
4 2019-01-02 1 2019 53
5 2019-03-15 11 2019 63
6 2019-12-31 1 2020 105
7 2020-01-02 1 2020 105
更新：关于绝对周数而不是等腰历的想法：
min_year = pd.to_datetime(f"{df['Date'].dt.year.min()}-01")
df['weeknr'] = (df['Date'] - min_year) // pd.to_timedelta('7D') + 1
这将为样本数据提供与先前方法相同的weeknr。