pandas获取每周的第一条数据

你可以使用 `resample` 方法来获取每周的第一条数据，示例代码如下：

import pandas as pd

# 创建一个示例数据集
df = pd.DataFrame({
    'date': pd.date_range(start='2021-01-01', end='2021-12-31', freq='D'),
    'value': range(365)
})

# 将日期列作为索引
df.set_index('date', inplace=True)

# 使用 resample 方法获取每周的第一条数据
df_weekly = df.resample('W').first()

print(df_weekly.head())

输出结果如下：

            value
date             
2021-01-03      0
2021-01-10      7
2021-01-17     14
2021-01-24     21
2021-01-31     28

相关问题

python pandas格式的股票数据，获取周线数据

可以使用pandas库中的`resample`方法将日线数据转换为周线数据。假设DataFrame中的“交易日期”列为日期格式，以下是示例代码：

import pandas as pd

# 读取日线数据
df = pd.read_csv("daily_data.csv")
df["交易日期"] = pd.to_datetime(df["交易日期"])  # 将交易日期转换为日期格式

# 将日线数据转换为周线数据
df_weekly = df.resample("W-MON", on="交易日期").agg({
    "开盘价": "first",
    "收盘价": "last",
    "最高价": "max",
    "最低价": "min",
    "成交量": "sum"
})

# 打印周线数据
print(df_weekly)

其中，`resample`方法的第一个参数为重采样频率，这里使用"W-MON"表示每周的星期一作为结束日期。`agg`方法用于对每个时间段进行聚合，这里选择了开盘价、收盘价、最高价、最低价和成交量进行聚合。最后的结果为DataFrame格式的周线数据。

python pandas格式的股票数据，获取周线、月、年数据

可以使用pandas库中的`resample`方法将日线数据转换为周线、月线和年线数据。假设DataFrame中的“交易日期”列为日期格式，以下是示例代码：

import pandas as pd

# 读取日线数据
df = pd.read_csv("daily_data.csv")
df["交易日期"] = pd.to_datetime(df["交易日期"])  # 将交易日期转换为日期格式

# 将日线数据转换为周线、月线和年线数据
df_weekly = df.resample("W-MON", on="交易日期").agg({
    "开盘价": "first",
    "收盘价": "last",
    "最高价": "max",
    "最低价": "min",
    "成交量": "sum"
})
df_monthly = df.resample("M", on="交易日期").agg({
    "开盘价": "first",
    "收盘价": "last",
    "最高价": "max",
    "最低价": "min",
    "成交量": "sum"
})
df_yearly = df.resample("Y", on="交易日期").agg({
    "开盘价": "first",
    "收盘价": "last",
    "最高价": "max",
    "最低价": "min",
    "成交量": "sum"
})

# 打印周线、月线和年线数据
print("周线数据：")
print(df_weekly)
print("月线数据：")
print(df_monthly)
print("年线数据：")
print(df_yearly)

其中，`resample`方法的第一个参数分别为重采样频率，这里使用"W-MON"表示每周的星期一作为结束日期，"M"表示月末作为结束日期，"Y"表示年末作为结束日期。`agg`方法用于对每个时间段进行聚合，这里选择了开盘价、收盘价、最高价、最低价和成交量进行聚合。最后的结果为DataFrame格式的周线、月线和年线数据。