按周汇总统计并自动生成图表
作者：互联网
统计分析时，需要每周进行业务量汇总，连续统计几个星期的销售业绩，自动生成柱状图，直观展现出每个星期的增减变化。
思路：原数据表的日期格式是“yyyymmdd 时分秒”，每一天都会有新数据更新。先把日期转换成"%Y-%m-%d"，再换成周数，即哪一个日期是对应年份的第几周。不论是星期几查看数据图，都会从自动汇总统计上一周及以前各周的数据。
先看看最后的效果图。
考虑到几个月以后，X轴名称标注第几周不太直观，就以T-1表示上一周，T-2表示前一周，等等。 
难点：跨年度的那一周，7天中既包括了上一年的日期，也有当年的日期，必须把每年度开始几天的日期划入了上一年的第52周进行统计，上一年的最后几天与今年的开头几天合并成一个完整的周期。
代码如下，先导入模块：
import datetime
from datetime import timedelta
from dateutil.relativedelta import * #月度推算
import pandas as pd #导入pandas库
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] # 用黑体显示中文
plt.rcParams['axes.unicode_minus']=False # 正常显示负号
生成X轴名称，重点是跨年度的前后几天
#下面根据当前日期，往前推算每一日期（格式为"%Y-%m-%d"）属于今年的第几周，生成列表
value19 = []#一年中的第几周
date_all=[]#建立一个空列表，将调入统计期间的周数，上面的原始数据表已经处理出来了，后面的输出不需要包括本周了
weeknum0=0#包括本周的数据0，1是上周,本周的数据中存在上周的准风险事件，必须先包括本周的数据，后面准风险事件才准确
while weeknum0 <= zhou_Num:#设置周报的期数，默认8周
date_week = (now+relativedelta(days = -7*weeknum0)).strftime('%W') # 每减7天对应的 第几周
if int(date_week)==0:#判断是不是今年的第0周
w=(now+relativedelta(days = -7*weeknum0)).strftime('%w')# 小写w是星期几,星期日=0，星期六=6 if int(w)==0:
if int(w)==0:
date_week = (now+relativedelta(days = -7*weeknum0-1*7+1)).strftime('%W')#00周中的日，这一天退到周一，即合并到上一年的最后一周的周一
else:
date_week = (now+relativedelta(days = -7*weeknum0-1*(int(w))+1)).strftime('%W')# 00周中的星期一到星期六，这一天退到周一，即合并到上一年的最后一周的周一
date_all.append("%s第%s周" % (str(int(year1[:-1])-1),str(date_week)))
elif int(date_week)<10 and int(date_week)>0 and weeknum0 != 0:
date_all.append("%s第%s周" % (max(data_N["月份汇总"])[:4],str(date_week)))#
elif int(date_week)>=10 and weeknum0 != 0:
date_all.append("%s第%s周" % ((now+relativedelta(days = -7*weeknum0)).strftime('%Y'),str(date_week)))
value19.append(str(date_week))
weeknum0 +=1
由Excel导入原始数据：
#下面根据data_yjc数据表中列名为'数据生成时间'，提取日期，推算该日期（格式为"%Y-%m-%d"）属于今年的第几周
data_yjc = pd.read_excel(op1+'%s事件查询.xls' % (date_every),sheet_name=0,header=0,dtype=object,na_rep="")
data_yjc['批量星期']=data_yjc.apply(lambda x: x['数据生成时间'][0:4]+'-'+x['数据生成时间'][4:6]+'-'+x['数据生成时间'][6:8], axis=1)#数据日期转换格式成"%Y-%m-%d"
data_yjc['批量星期1'] = data_yjc['批量星期'].apply(lambda x: (datetime.datetime.strptime(x ,"%Y-%m-%d").strftime("%Y"))+(datetime.datetime.strptime(x ,"%Y-%m-%d").strftime("%W")))#年份+周数
data_yjc['批量星期5'] = data_yjc['批量星期1'].apply(lambda x: str(int(x[0:4])-1)+'52')#用于判断是不是每年的第0周，就转变成上一年的第52周
data_yjc['批量星期汇总'] = np.where(data_yjc['批量星期1'].astype(str).str[4:]=='00',data_yjc['批量星期5'],data_yjc['批量星期1'])#把跨年的那一周，周数为零的替换成上一年最后一周
data_yjc["批量汇总1"] =['%s' % i for i in data_yjc["批量星期汇总"].astype(str).str[0:4]]# 年份数，取data_yjc["星期汇总"]的前4位
data_yjc["批量汇总2"] =['00%s' % i for i in data_yjc["批量星期汇总"].astype(str).str[4:]]#周数，可能是一位数，也可能是2位数，前面添加2个零，
data_yjc["批量汇总3"] =['第%s周' % i for i in data_yjc["批量汇总2"].astype(str).str[-2:]]#周数，把前面添加2个零的周数取倒数2位数
data_yjc["月份汇总"]=data_yjc["批量汇总1"]+data_yjc["批量汇总3"]#用于计算准风险事件的，按批量星期（数据生成日期）计算准风险事件
#下面汇总统计
data_yjc=data_yjc[data_yjc["月份汇总"].isin(date_all[:])]#筛选出data_yjc中周数包括date_all的明细表
df8_1=pd.pivot_table(data_yjc,index=[u'月份汇总'],values=['售销数量'],aggfunc='count')
df8_2=pd.pivot_table(data_yjc,index=[u'月份汇总'],values=['售销任务'],aggfunc='count')
df8_8= pd.concat([df8_2,df8_1],axis=1,join_axes=[df8_1.index])#左联接表
生成X轴和Y轴的数据，列表形式，然后自动生成画图
#下面将每周的售销任务和销量换算成前几周（表示为"T-1周","T-2周","T-3周"等），本周不统计
print("电脑推算的周在这里：")#每一周是：星期一至星期日，分别对应星期值是1，2...5，6，0
print(date_all)
T0 = ["T-1周","T-2周","T-3周","T-4周","T-5周","T-6周","T-7周","T-8周"] #设置一个8周的列表
T0 = date_all #以实际年份第几周为期数
T = T0[:zhou_Num-1][::-1]#将zhou_Num恢复到用户录入的期数，[::-1]为倒序
df8_0 = pd.DataFrame(date_all[::-1],columns=['批量汇总'])
df_zh = pd.concat([df8_0, pd.DataFrame(T,columns=['月份汇总'])],axis=1)#用T替代
df_zh.set_index(['批量汇总'], inplace = True)
df8_zh= pd.concat([df_zh,df8_8],axis=1,join_axes=[df_zh.index])#
df=df8_zh.where(df8_zh.notnull(),0)#
#下面将每周的售销任务和销量赋值画图的坐标值
num_list1 = [ i for i in list(df['准风险统计'])]
num_list2 = [ i for i in list(df['风险事件'])]
label_list0 = [ i for i in list(df.index)]
#下面画图（略）
标签：-%,yjc,批量,汇总,图表,按周,date,data 来源： https://blog.csdn.net/ljm1972/article/details/113534053