优先用 dt.to_period("w-mon") 对齐自然周（周一至周日），因 resample("w") 默认按周日结束且需 datetimeindex；自然月对齐同理，dt.to_period("m") 比 resample("m") 更可靠，避免月末偏移。
时间字段对齐自然周：用 resample() 还是 dt.to_period()？
直接说结论：对齐自然周（周一到周日）优先用 dt.to_period("W")，不是 resample("W")。因为 resample("W") 默认按“周日结束”的周对齐（即 "W-SUN"），且只适用于已设索引为 DatetimeIndex 的 DataFrame；而 dt.to_period("W") 更灵活，能直接作用于任意 Series，且可通过指定锚点控制起始日。
常见错误现象：df["date"].dt.to_period("W") 得到的周总是从周日开始，但业务要求从周一统计（比如“本周销售”指周一至周日）。这时必须显式写成 "W-MON"：
df["week"] = df["date"].dt.to_period("W-MON")
注意："W-MON" 表示“以周一为每周起点的自然周”，它和 "W"（等价于 "W-SUN"）语义不同，不能混用。若原始数据含时分秒，to_period() 会自动截断到周粒度，不四舍五入、不偏移。
按自然月对齐：为什么 dt.to_period("M") 比 resample("M") 更可靠
dt.to_period("M") 直接把每个时间戳映射到其所在自然月（如 2024-03-31 23:59 → 2024-03），结果稳定、无歧义；而 resample("M") 是按月末频率重采样，要求索引是时间类型，且默认对齐到当月最后一天（2024-03-31），容易在 groupby 场景中引发“数据被归到下个月末”的错觉。
使用场景举例：你想加一列标识“所属自然月”，用于后续 groupby("month").sum() —— 此时必须用：
df["month"] = df["date"].dt.to_period("M")
参数差异："M" 表示月末对齐的月周期，"MS" 表示月初对齐（即 2024-03-01）。但注意：to_period("MS") 和 to_period("M") 对同一日期返回的 period 对象**完全一样**（都是 2024-03），因为 Period 本身不记录“对齐方向”，只记录归属月。真正影响对齐行为的是 resample 或 asfreq 这类操作。
聚合时别漏掉 period 到 timestamp 的转换
用 to_period() 分组后，得到的 groupby key 是 Period 类型，不是字符串也不是时间戳。如果后续要导出、拼接或做时间计算（比如求“本月第一天”），得转回来：
-
period.start_time→ 当期起始时间戳（2024-03-01 00:00:00） -
period.end_time→ 当期结束时间戳（2024-03-31 23:59:59.999999999） - 避免用
str(period)再解析，既慢又易错
例如，生成带起止时间的月度汇总表：
monthly = df.groupby(df["date"].dt.to_period("M")).agg({"sales": "sum"})<br>monthly["start"] = monthly.index.to_series().apply(lambda p: p.start_time)<br>monthly["end"] = monthly.index.to_series().apply(lambda p: p.end_time)
跨年周对齐的坑："W-MON" 在年初/年末可能跳变
自然周对齐不是简单切七天。ISO 周标准（也是 Pandas 默认遵循的）规定：每年第一周必须包含当年至少 4 个星期四。这意味着 2024-01-01（周一）属于 2024 年第 1 周，但 2023-12-31（周日）属于 2024 年第 1 周，而不是 2023 年第 52 周——这会导致同一年内出现“2023-12-31”被归入 2024-01 周的情况。
如果你的业务严格按“日历周一到周日”切分（不遵循 ISO），就得放弃 "W-MON"，改用 dt.floor("7D") 手动对齐：
# 从最近一个周一往前推（含当天）<br>df["week_start"] = (df["date"] - pd.to_timedelta(df["date"].dt.dayofweek, unit="D"))<br># 或更简洁：<br>df["week_start"] = df["date"].dt.floor("7D") + pd.offsets.Day(1) # 确保是周一
这个方式绕过了 ISO 规则，但代价是无法直接用 to_period() 做聚合，需配合 groupby 时间戳字段。
自然周/月对齐看着简单，实际最常翻车的是“以为 W 就是周一到周日”和“用 resample 替代 to_period 做分组标识”。Pandas 的 period 体系和 resample 体系目标不同：前者重归属，后者重重采样。混用就会发现 groupby 结果少了一行或多了一行——问题往往不在代码语法，而在对“对齐”二字的理解偏差。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
