以链接中的 * 周度经济指数（Lewis-Mertens-Stock）* 数据为例（点击this page上的 * 下载 * 按钮下载），我希望计算出同比的周度数据，但一年中并不正好有52周。
这里的主要问题是，有些年份大多有52周，而例如，2015年和2020年有53周。我希望用2014年和2019年的第52周来计算2015年和2020年第53周的同比数据，以处理这两年周与周之间不一致的问题。
如何编写一个周同比计算函数，用前一年第53周和第52周的数据计算出今年的同比对比？当然，如果有其他方法来计算每周的同比计算，也欢迎提出建议。谢谢.
我的代码：

import pandas as pd

df = pd.read_excel('../raw_data/WEI.xls', skiprows=10)
df['observation_date'] = pd.to_datetime(df['observation_date'])
df

def add_date_parts(df, date_column):
     # df['year_week_ori'] = df[date_column].dt.strftime('%Y-%U')
     df['year_week_ori'] = df[date_column].dt.strftime('%Y-%V')
     df['year'] = df[date_column].dt.isocalendar().year
     df['week'] = df[date_column].dt.isocalendar().week
     # df['year_week_ori'] = df['year'].astype(str) + '-' + df['week'].astype(str).str.zfill(2)
     df.loc[df['week'] > 52, 'week'] = 52
     df['year_week_modified'] = df['year'].astype(str) + '-' + df['week'].astype(str).str.zfill(2)
     df['year'] = df[date_column].dt.year
     df['month'] = df[date_column].dt.month
     return df
df = add_date_parts(df, 'observation_date')
df

输出：

observation_date   WEI year_week_ori  year  week year_week_modified  month
0         2008-01-05  1.80       2008-01  2008     1            2008-01      1
1         2008-01-12  1.78       2008-02  2008     2            2008-02      1
2         2008-01-19  1.75       2008-03  2008     3            2008-03      1
3         2008-01-26  1.28       2008-04  2008     4            2008-04      1
4         2008-02-02  0.99       2008-05  2008     5            2008-05      2
..               ...   ...           ...   ...   ...                ...    ...
817       2023-09-02  1.72       2023-35  2023    35            2023-35      9
818       2023-09-09  1.72       2023-36  2023    36            2023-36      9
819       2023-09-16  2.17       2023-37  2023    37            2023-37      9
820       2023-09-23  1.62       2023-38  2023    38            2023-38      9
821       2023-09-30  1.83       2023-39  2023    39            2023-39      9
[822 rows x 7 columns]

通过检查每年的周数量，我们可以看到在2011年，2016年和2022年，我们有53周的数据：

df.groupby('year')['WEI'].count()
Out[61]: 
year
2008    52
2009    52
2010    52
2011    53
2012    52
2013    52
2014    52
2015    52
2016    53
2017    52
2018    52
2019    52
2020    52
2021    52
2022    53
2023    39

我的函数（它还不能解决连续几年每周数量不能对齐的问题）：

def calculate_week_on_week(df, value_column, date_column):
    df = df.sort_values(date_column)
    df['value_last_year'] = df[value_column].shift(52)
    df['week_on_week'] = (df[value_column] - df['value_last_year'])/df['value_last_year']
    return df