2012-12-31的week_of_year值为什么是1,而不是53

本文详细解析了Java中Calendar类WEEK_OF_YEAR字段的工作原理,并通过调整firstDayOfWeek和minimalDaysInFirstWeek属性来解决不同场景下的一年最后一周和第一周的计算问题。

问题描述

对Calendar的这个WEEK_OF_YEAR的历法做个总结。

SimpleDateFormat sdf = new SimpleDateFormat("yyyy-MM-dd"); 
Calendar cl = Calendar.getInstance(); 
cl.setTime(sdf.parse("2012-12-31")); 
int week = cl.get(Calendar.WEEK_OF_YEAR); 
System.out.println(week); 

 结果是1.而我们期望的可能是53周

问题分析

这个week_of_year和两个值有关。 

  • firstDayOfWeek: 用周几作为一周的第一天,我们默认的是SUNDAY,德国的是周三(这个和本地化有关) 
  • minimalDaysInFirstWeek: 一年的第一周用几号开始算。 
Java代码  收藏代码
  1. System.out.println(cl.getFirstDayOfWeek()); //SUNDAY  
  2. System.out.println(cl.getMinimalDaysInFirstWeek());//1  

打印出来的结果是从周日开始做为1周的开始,新年的第一天从1号开始。 

2012年最后几天的日历如下: 

周日  1      2   3   4   5   6   

30号  31  1   2   3   4   5 

新年的第一天是1号(minimalDaysInFirstWeek)在周二,一周必须由7天组成,又是从周日(firstDayOfWeek)开始算起,所以30,31都属于第1周就等到了上面的结果。 


要跟这个原理可以分别修改这两个属性可以提到不同的结果。 
方法1: 

Java代码  收藏代码
  1. cl.setFirstDayOfWeek(Calendar.TUESDAY);  

修改每周从周二开始,而周2正好是1号,所以12-31的week值为53 
方法2: 
Java代码  收藏代码
  1. cl.setMinimalDaysInFirstWeek(6);  

修改新年从6号开始算起,6号正好是周日,一周的开始,所以6号前的7天的week值都是53.
这里面的编码:“ self.node_feat_encoder = nn.Sequential( nn.Linear(time_steps, 16), # 将14个时间步编码为特征 nn.ReLU(), nn.Linear(16, node_feat_dim) )”可以换成正余弦编码吗?数据在输入进去的时候,第一列是时间,请帮我加入正余弦编码:“class TimeCovariates(object): """Extract all time covariates except for holidays.""" def __init__( self, datetimes, normalized = True ): """Init function. Args: datetimes: pandas DatetimeIndex (lowest granularity supported is min) normalized: whether to normalize features or not holiday: fetch holiday features or not Returns: None """ self.normalized = normalized self.dti = datetimes def _minute_of_hour(self): minutes = np.array(self.dti.minute, dtype=np.float32) if self.normalized: minutes = minutes / 59.0 - 0.5 return minutes def _hour_of_day(self): hours = np.array(self.dti.hour, dtype=np.float32) if self.normalized: hours = hours / 23.0 - 0.5 return hours def _day_of_week(self): day_week = np.array(self.dti.dayofweek, dtype=np.float32) if self.normalized: day_week = day_week / 6.0 - 0.5 return day_week def _day_of_month(self): day_month = np.array(self.dti.day, dtype=np.float32) if self.normalized: day_month = day_month / 30.0 - 0.5 return day_month def _day_of_year(self): day_year = np.array(self.dti.dayofyear, dtype=np.float32) if self.normalized: day_year = day_year / 364.0 - 0.5 return day_year def _month_of_year(self): month_year = np.array(self.dti.month, dtype=np.float32) if self.normalized: month_year = month_year / 11.0 - 0.5 return month_year def _week_of_year(self): week_year = np.array(self.dti.strftime("%U").astype(int), dtype=np.float32) if self.normalized: week_year = week_year / 51.0 - 0.5 return week_year def get_covariates(self): """Get all time covariates.""" moh = self._minute_of_hour().reshape(1, -1) hod = self._hour_of_day().reshape(1, -1) dom = self._day_of_month().reshape(1, -1) dow = self._day_of_week().reshape(1, -1) doy = self._day_of_year().reshape(1, -1) moy = self._month_of_year().reshape(1, -1) woy = self._week_of_year().reshape(1, -1) all_covs = [ moh, hod, dom, dow, doy, moy, woy, ] columns = ["moh", "hod", "dom", "dow", "doy", "moy", "woy"] return pd.DataFrame( data=np.vstack(all_covs).transpose(), columns=columns, index=self.dti, )”并帮我分析一下这样是否能够提升预测精度?
04-06
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值