別年における同曜日を揃えてプロットする方法について

Question

やりたいこと

以下のようなデータフレームがあったときに、2019年と2020年の2年分のplot方法について、
曜日をそろえてplotしたいと考えております。
横軸に1月1週目＋曜日、1月2週目＋曜日、…、縦軸にxが来るようにしたいのですが、2019年と2020年で1日の曜日が異なるためうまくplotができておりません。

<想定されるデータフレーム>

df
date	x
20190101	1
20190102	4
20190103	5
20190104	1
20190105	7
20200101	4
20200102	6
20200103	1
20200104	4
20200105	5

考えていること

　　　　　　　　　　　2019年　2020年
1月1週目月曜日　　　　　
1月1週目火曜日         1
1月1週目水曜日         4       4
1月1週目木曜日         5       6
1月1週目金曜日         1       1
1月1週目土曜日         7       4
1月1週目日曜日         12      5
1月2週目月曜日         14      2
:

このような形で年がカラム、月日がインデックスになるような集計になる方法となるかと思いますが、
具体的な実装方法や集計のための関数のイメージがついておりません。

もし2つの曜日を揃えて横軸を上記のインデックスでプロットする方法についてお知恵を拝借できますと幸いです。
何卒よろしくお願い申し上げます。

Answer 1

strftime関数の%Vと%uで週と曜日の連番が得られるので、これらをもとに新たに列を作成します。
次に元のテーブルを2019と2020年に分けて先ほどの列でマージします。
あとはマージした内容をそれぞれ描画すればよいです。

import matplotlib.pyplot as plt
import pandas as pd

df = pd.read_csv('inp.csv', sep='\t')
df['date'] = pd.to_datetime(df['date'], format='%Y%m%d')

df['wd'] = df['date'].dt.strftime('w%V_d%u') # 週と曜日の番号

# 2019, 2020年で分割
dt20 = pd.to_datetime('2020-01-01')
df19 = df[df['date'] <  dt20]
df20 = df[df['date'] >= dt20]

# 週と曜日の番号 で結合
df = pd.merge(df19, df20, on='wd', how='outer')

plt.plot(df['wd'], df['x_x']) # 2019
plt.plot(df['wd'], df['x_y']) # 2020
plt.xticks(rotation=90)
plt.subplots_adjust(bottom=0.2)
plt.show()

Answer 2

・io.StringIOとかは単にテスト用データ作成用
・["date"]列をdatetime型にしてから、isocalendar（(年,週番号,曜日)のタプルを返す）でyear列（年）とweekday列（(週番号,曜日)）を作成
・weekday列をインデックスにセット
・year毎にx列を新しいdataframeに格納

import pandas as pd
import io
df = pd.read_table(io.StringIO(table), delimiter="\s+")
df["date"] = pd.to_datetime(df["date"].astype(str), format="%Y%m%d")

f_wd = lambda x: x.isocalendar()[1:]
f_y = lambda x: x.isocalendar()[0]
df["weekday"] = df["date"].apply(f_wd)
df["year"] = df["date"].apply(f_y)
df = df.set_index("weekday")

df2 = pd.concat([df.query("year == 2019")["x"],df.query("year == 2020")["x"]],axis=1)
df2.columns = ["2019年", "2020年"]
print(df2)
"""
    2019年  2020年
1 2    1.0    NaN
  3    4.0    4.0
  4    5.0    6.0
  5    1.0    1.0
  6    7.0    4.0
  7   12.0    5.0
2 1   14.0    2.0
  2   28.0   23.0
  3   23.0   12.0
  4   12.0   51.0
  5   41.0   52.0
  6    4.0   21.0
  7   65.0    2.0
3 1    1.0    3.0
  2    4.0   53.0
  3    6.0   33.0
  4    9.0   21.0
  5   53.0   42.0
  6    2.0   21.0
  7    6.0   24.0
4 1    7.0   12.0
  2   15.0    1.0
  3    2.0   24.0
  4    6.0    2.0
"""