dt.dayofweek 是 pandas 中用于提取日期工作日编号的属性，返回值范围是 0（周一）到 6（周日）。
dt.dayofweek 是什么，返回值范围是多少
是 pandas 中
或
的一个属性，用于提取日期对应的工作日编号。它返回整数，
周一为 0，周日为 6
——这点非常关键，很多人误以为周一是 1 或周日是 0，结果过滤错。
注意：它只对
类型有效；如果列是字符串或 object 类型，直接调用会报
。
使用前务必确认类型：
如何用布尔索引筛选出“周二和周四”的数据
核心就是构造一个布尔条件数组，传给 DataFrame 索引。比如要保留周二（1）和周四（3），写法是：
立即学习
“
Python免费学习笔记（深入）
”；
更简洁的写法是用
：
Python 3.14.3
微软官方的 Python 扩展，是 VS Code 安装量最高的扩展（209M+）。集成 IntelliSense（通过 Pylance）、调试（通过 Python Debugger）、代码检查、格式化、重构和单元测试等功能。支持 Jupyter Notebook、虚拟环境管理和多 Python 版本切换。
下载
必须用
避免 SettingWithCopyWarning（尤其后续要修改新 DataFrame 时）
别用
/
，它们不支持数组运算，会报
用
（或）、
（与）、
（非），且每个条件必须加括号
过滤周末数据时容易忽略的时区和本地化问题
如果原始时间带时区（如
或
），
按照该时区计算——但如果你按“北京时间周末”过滤，而数据是 UTC 时间，那直接用
就会把周六凌晨（UTC）当成周五（北京时间），漏掉或错选。
稳妥做法：
统一转为所需时区再取 weekday：
若原数据无时区，但业务逻辑按某地时间解释，可用
先打上时区，再转换
纯本地时间（无 tz）且不跨时区场景下，可跳过这步
性能差异：dayofweek vs. day_name() + isin
有人喜欢用
，语义清晰但慢很多——因为
返回字符串，涉及本地化、内存拷贝和逐元素比较；而
是 int 数组，底层用 numpy 向量化运算，快 3–5 倍（百万行数据实测）。
另外注意：
默认按系统 locale 返回中文/英文名，跨环境可能不稳定
始终稳定返回 0–6 整数，适合生产环境
如果要做“每月第二个周三”这类复杂逻辑，
是基础，但需配合
或
组合判断
实际用的时候，别光记“周二=1”，先
看一眼分布，比凭空假设靠谱得多。
dt.dayofweekDatetimeIndexSeries.dtdatetime64[ns]AttributeError: Can only use .dt accessor with datetimelike valuesdf['date'].dtype # 应该是 datetime64[ns]
df['date'] = pd.to_datetime(df['date']) # 若非 datetime 类型，必须先转换mask = (df['date'].dt.dayofweek == 1) | (df['date'].dt.dayofweek == 3)
df_filtered = df[mask].copy()isin()df_filtered = df[df['date'].dt.dayofweek.isin([1, 3])].copy().copy()andorValueError: The truth value of a Series is ambiguous|&~UTCAsia/Shanghaidt.dayofweekdayofweek in [5, 6]df['date'].dt.tz_convert('Asia/Shanghai').dt.dayofweektz_localizedf['date'].dt.day_name().isin(['Tuesday', 'Thursday'])day_name()dayofweekday_name()dayofweekdayofweekdt.weekdt.daydf['date'].dt.dayofweek.value_counts().sort_index()