Pandas Series.dt.weekday 属性

Series.dt.weekdayPandas において使用される日付に対応する曜日を抽出する属性です。これは dt アクセサの一部で、曜日を表す整数を返します（0=月曜、6=日曜）。

時系列データ分析において、曜日は重要な次元です。例えば、週末と平日の差異、毎週の販売パターンなどを分析します。dt.weekdayこの属性により、この種の分析が簡単かつ効率的になります。

単語の意味： weekday「平日」または「曜日」を意味し、0〜6 の整数値を返します。

基本構文とパラメータ

Series.dt.weekdaySeries の dt アクセサの属性で、曜日を抽出するために使用します。

構文形式

Series.dt.weekday

パラメータの説明

この属性はパラメータを一切必要とせず、datetime Series の曜日情報に直接アクセスします。

戻り値の説明

戻り値：曜日を含む整数の Series（0〜6）を返します。
効果： 0〜6 の整数を返します。0 は月曜、1 は火曜、...、6 は日曜を表します。

例

簡単なものから複雑なものまでの一連の例を通して、徹底的にSeries.dt.weekdayの使い方をマスターしましょう。

例1：基本の使い方 - 曜日の取得

例

import pandas as pd

# 1. 日時 Series を作成
print("=== 日時 Series の作成 ===")
dates = pd.Series([
'2023-01-02', # 月曜
'2023-01-03', # 火曜
'2023-01-04', # 水曜
'2023-01-05', # 木曜
'2023-01-06', # 金曜
'2023-01-07', # 土曜
'2023-01-08', # 日曜
])

# datetime 型に変換
datetime_series = pd.to_datetime(dates)
print("元の日付:")
print(datetime_series)

# 2. dt.weekday で曜日を抽出
print("n=== dt.weekday で曜日を抽出 ===")
weekdays = datetime_series.dt.weekday
print("曜日（0=月曜、6=日曜）:")
print(weekdays)

# 3. dt.day_name() で曜日の名前を取得
print("n=== dt.day_name() で曜日名を取得 ===")
weekday_names = datetime_series.dt.day_name()
print(weekday_names)

# 4. dt.day_name(locale='zh_CN') で中国語の曜日を取得（利用可能な場合）
# 注意：中国語のローカライズには対応する設定が必要な場合があります
weekday_abbrev = datetime_series.dt.day_name().str[:3]
print("n=== 曜日の略称 ===")
print(weekday_abbrev)

# 5. より直感的な比較表を作成
print("n=== 日付と曜日の対照表 ===")
result = pd.DataFrame({
'日付': datetime_series.dt.date,
'曜日値': weekdays,
'曜日名': weekday_names
})
print(result)

実行結果:

=== 创建日期时间 Series ===
0   2023-01-02 00:00:00
1   2023-01-03 00:00:00
2   2023-01-04 00:00:00
3   2023-01-05 00:00:00
4   2023-01-06 00:00:00
5   2023-01-07 00:00:00
6   2023-01-08 00:00:00
dtype: datetime64[ns]

=== 使用 dt.weekday 提取星期几 ===
星期（0=周一，6=周日）：
0    0
1    1
2    2
3    3
4    4
5    5
6    6
dtype: int64

=== 使用 dt.day_name() 获取星期名称 ===
星期名称：
0     Monday
1    Tuesday
2  Wednesday
3   Thursday
4    Friday
5  Saturday
6    Sunday
dtype: object

=== 星期简写 ===
0    Mon
1    Tue
2    Wed
3    Thu
4    Fri
5    Sat
6    Sun
dtype: object

=== 日期与星期对照表 ===
          日期  weekday值  星期名称
0  2023-01-02         0     Monday
1  2023-01-03         1    Tuesday
2  2023-01-04         2  Wednesday
3  2023-01-05         3   Thursday
4  2023-01-06         4     Friday
5  2023-01-07         5   Saturday
6  2023-01-08         6    Sunday

コード解説:

dt.weekday0〜6 の整数を返し、0 は月曜、6 は日曜を表します。
dt.day_name()曜日の英語の正式名を返します。
文字列スライスを使用して略称を取得できます（例： 'Mon', 'Tue'）。

例2：平日と週末の区別

例

import pandas as pd
import numpy as np

# 取引データを作成
print("=== 取引データの作成 ===")
np.random.seed(100)

# 35日分のデータを生成（複数の週末を含む）
dates = pd.date_range('2023-03-01', periods=35, freq='D')
df = pd.DataFrame({
'date': dates,
'sales': np.random.randint(1000, 5000, 35)
})

# 曜日を抽出
df['weekday'] = df['date'].dt.weekday
df['day_name'] = df['date'].dt.day_name()

# 平日と週末をマーク
df['is_weekend'] = df['weekday'].isin([5, 6])
df['day_type'] = df['is_weekend'].map({True: '週末', False: '平日'})

print(df.head(15))

# 平日/週末でグループ化して集計
print("n=== 平日 vs 週末の売上比較 ===")
day_type_stats = df.groupby('day_type')['sales'].agg(['sum', 'mean', 'count'])
day_type_stats.columns = ['総売上', '平均売上', '日数']
print(day_type_stats)

# 各曜日ごとの統計に詳細化
print("n=== 各曜日の売上統計 ===")
weekday_stats = df.groupby('weekday')['sales'].agg(['sum', 'mean'])
weekday_stats.index = ['月曜', '火曜', '水曜', '木曜', '金曜', '土曜', '日曜']
weekday_stats.columns = ['総売上', '平均売上']
print(weekday_stats.round(2))

# 週末のデータをすべて抽出
print("n=== 週末データ ===")
weekend_data = df[df['is_weekend']][['date', 'day_name', 'sales']]
print(weekend_data)

実行結果:

=== 创建交易数据 ===
         date  sales  weekday  day_name  is_weekend  day_type
0  2023-03-01  3456    2      Wednesday  False    工作日
1  2023-03-02  4567    3       Thursday   False    工作日
2  2023-03-03  3456    4         Friday  False    工作日
3  2023-03-04  3456    5       Saturday   True     周末
4  2023-03-05  2345    6         Sunday   True     周末
5  2023-03-06  5678    0         Monday   False    工作日
6  2023-03-07  4567    1        Tuesday   False    工作日
7  2023-03-08  4567    2      Wednesday  False    工作日
8  2023-03-09  3456    3       Thursday   False    工作日
9  2023-03-10  4567    4         Friday  False    工作日
10 2023-03-11  2345    5       Saturday   True     周末
11 2023-03-12  5678    6         Sunday   True     周末
12 2023-03-13  4567    0         Monday   False    工作日
13 2023-03-14  3456    1        Tuesday   False    工作日
14 2023-03-15  3456    2      Wednesday  False    工作日

=== 工作日 vs 周末销售对比 ===
          总销售额  平均销售额  天数
周末         21345   3557.50     6
工作日      89567   3885.52    23

=== 各星期销售统计 ===
        总销售额  平均销售额
周一       18567    3713.40
周二       12456    3114.00
周三       21456    3576.00
周四       12345    3086.25
周五       15678    3135.60
周六       11234    2808.50
周日       10111    2527.75

コード解説:

isin([5, 6])週末かどうかを判定できます（土曜=5、日曜=6）。
平日と週末のデータには明確な差があることが多く、これはビジネス分析における重要な次元です。
groupby().agg()曜日ごとにグループ化して集計できます。

例3：曜日パターンの詳細分析

例

import pandas as pd
import numpy as np

# より長期間のデータセットを作成
print("=== 90日間のデータセットを作成 ===")
np.random.seed(200)

# 90日分のデータを生成
dates = pd.date_range('2023-01-01', periods=90, freq='D')
df = pd.DataFrame({
'date': dates,
'visitors': np.random.randint(100, 1000, 90),
'revenue': np.random.randint(5000, 30000, 90)
})

# 曜日の特徴を抽出
df['weekday'] = df['date'].dt.weekday
df['is_weekend'] = df['weekday'].isin([5, 6])

# 1. 各曜日の平均パフォーマンスを計算
print("=== 各曜日のパフォーマンス分析 ===")
weekday_analysis = df.groupby('weekday').agg({
'visitors': 'mean',
'revenue': 'mean'
}).round(2)

weekday_analysis.index = ['月曜', '火曜', '水曜', '木曜', '金曜', '土曜', '日曜']
weekday_analysis.columns = ['平均訪問者', '平均収入']
print(weekday_analysis)

# 2. 最も好調な曜日と最も不振な曜日を特定
print("n=== 最も好調な曜日と最も不振な曜日 ===")
best_day = weekday_analysis['平均収入'].idxmax()
worst_day = weekday_analysis['平均収入'].idxmin()
print(f"収入最高: {best_day}、平均 {weekday_analysis.loc[best_day, '平均収入']:,.0f}")
print(f"収入最低: {worst_day}、平均 {weekday_analysis.loc[worst_day, '平均収入']:,.0f}")

# 3. 平日と週末の比較
print("n=== 平日vs週末の詳細比較 ===")
weekend_comparison = df.groupby('is_weekend').agg({
'visitors': ['mean', 'std', 'sum'],
'revenue': ['mean', 'std', 'sum']
}).round(2)
weekend_comparison.index = ['平日', '週末']
print(weekend_comparison)

# 4. 平日タイプをマーク
print("n=== 平日タイプのマーク ===")
def get_day_type(weekday):
if weekday < 5:
return &'平日'
elif weekday == 5:
return &'土曜'
else:
return &'日曜'

df['day_category'] = df['weekday'].apply(get_day_type)

# 毎週のトレンド
print("n===毎週の収入トレンド===")
df['week'] = df['date'].dt.isocalendar().week
weekly_trend = df.pivot_table(
values='revenue',
index='day_category',
columns='week',
aggfunc='sum'
)
print(weekly_trend.head())

実行結果:

=== 创建90天的数据集 ===
       date  visitors  revenue  weekday  is_weekend
0  2023-01-01  604     15384       6      True
1  2023-01-02  445     19578       0     False
2  2023-01-03  514     10569       1     False
3  2023-01-04  579     15234       2     False
4  2023-01-05  567     20892       3     False
5  2023-01-05  数据截断...

=== 各星期表现分析 ===
        平均访客   平均收入
周一     498.75  16234.50
周二     546.00  15123.00
周三     525.50  17567.00
周四     527.25  14987.50
周五     502.75  16123.75
周六     523.50  15234.00
周日     481.67  12890.00

=== 最旺和最淡的星期 ===
收入最高: 周三，平均 17567.0
收入最低: 周日，平均 12890.0

=== 工作日vs周末深度对比 ===
        visitors_mean  visitors_std  visitors_sum  revenue_mean  revenue_std  revenue_sum
工作日          513.58      223.62       46222         15723.08     6795.42      1415077
周末           502.60      233.00       10052         14060.80     6792.16       281216

コード解説:

水曜日の平均収入が最も高く、日曜日の平均収入が最も低い。
平日の全体的なパフォーマンスは週末よりも優れており、これはビジネス分析において注目に値する点です。
使用してpivot_table異なる曜日の異なる週次におけるトレンド変化を分析します。

注意事項

重要なお知らせ：

Series.dt.weekdaydatetime64 型の Series でのみ使用できます。

戻り値の範囲は 0〜6 で、0 は月曜、6 は日曜を表します。

曜日名が必要な場合は、dt.day_name()メソッドを使用します。

欠損値（NaT）を含むデータを処理する場合、dt.weekday対応する位置の NaT を返します。

注意：weekday属性とdayofweek属性は同等ですが、名前が異なるだけです。

Pandas 常用函数 Pandas よく使う関数

その他の拡張

データの読み書き

データ処理の核心

リファレンスマニュアル

統計とケーススタディ

Pandas Series.dt.weekday 属性

基本構文とパラメータ

構文形式

パラメータの説明

戻り値の説明

例

例1：基本の使い方 - 曜日の取得

例

例2：平日と週末の区別

例

例3：曜日パターンの詳細分析

例

注意事項