resample('w')默认以周日为周结束，与多数业务按周一到周日统计不符，应改用resample('w-mon')或resample('7d', origin='start_day')并确保时间列为datetimeindex。

resample('W') 默认周日为周结束，和业务对不上怎么办

直接用 resample('W') 得到的周聚合，默认以星期日为每周截止日（即周一到周日为一周），但多数销售系统按周一到周日或周日到周六统计，甚至有些公司要求“自然周”从周一算起。结果就是数据错位：比如 2024-06-03（周一）的销量被归进上一周。

解决方法是显式指定 origin 或用 offset 调整周界：

• 用 resample('W-MON') 强制以周一为每周结束（即上上周二到本周一）
• 更清晰的做法是用 resample('7D', offset='1D') 配合起始时间对齐，但推荐优先用带星期缩写的频率字符串
• 注意 'W-MON' 中的 MON 是大写，且必须对应 pandas 支持的 weekday 缩写（MON/TUE/…/SUN）

时间列不是 DatetimeIndex，resample 报 AttributeError: 'Series' object has no attribute 'resample'

这个错误说明你没把时间列设为索引，或者它还是 object 类型——resample 只能作用于 DatetimeIndex 或 PeriodIndex 上的 DataFrame/Series。

分两步检查并修复：

• 先确认类型：df['date'].dtype 应该是 datetime64[ns]；如果不是，用 pd.to_datetime(df['date']) 转换
• 再设索引：df = df.set_index('date')，之后才能调用 df.resample('W-FRI').sum()
• 如果原始数据有重复日期或缺失时间信息（如只有年月日但无时分秒），to_datetime 仍能处理，但要注意 errors='coerce' 参数防止静默失败

周聚合后日期显示为周日，但想显示周一作为当周代表日

resample 的结果默认把每组的标签设为该周期的右边界（closed='right'），所以 'W' 标签是周日，'W-MON' 标签是周一。但有时你需要统一用周一代表整周，哪怕实际聚合区间是周日到周六。

最稳妥的做法是聚合完立刻重置索引并修正日期：

• 聚合后得到 weekly_sales = df.resample('W-SUN').sum()
• 然后用 weekly_sales.index = weekly_sales.index - pd.offsets.Day(6) 把每个周日标签往前推 6 天变成周一
• 或者一步到位：weekly_sales.index = weekly_sales.index.normalize() - pd.offsets.Week(weekday=0)（weekday=0 表示 Monday）

resample('W') 在跨年/跨月时出现不连续或空行

比如 2023-12-31 是周日，resample('W') 会把它和 2024-01-01（周一）分在不同周，导致 2024 年第一周只有一条记录，而前一周多出一天——这不是 bug，是按日历周严格切分的结果。

如果你要的是“自然滚动 7 天”，别用 'W'，改用固定周期：

• 用 resample('7D', origin='start_day')，其中 origin 可设为 'start'、'end' 或具体时间戳（如 '2023-01-01'）
• 例如：df.resample('7D', origin='2023-01-01').sum() 会从 2023-01-01 开始，每 7 天一截，不受日历周干扰
• 注意：这种模式下，若原始数据没有覆盖完整周期，结果中会出现 NaN 行，可用 dropna() 过滤，但得先确认这是数据缺失还是本就无交易

周粒度聚合真正的复杂点不在语法，而在对齐逻辑：你的“一周”到底是日历周、财务周，还是运营定义的滚动周期。选错频率参数比写错代码更容易导致结论偏差，尤其是做同比或环比时，前后周期不一致会直接放大误差。