我正在使用python分析一个销售数据集的数据。这个数据集由两列组成，分别是交易日期和相应的国家代码。这个数据集是一个panda DataFrame，它是基于两个较小的数据集的列创建的，这两个较小的数据集具有不同的列名，如下图所示：

frames_f, frames_l = get_sales_frames(True)
    sales_f = frames_f[['Transaction Date', 'Buyer Country']]
    sales_l = frames_l[['Order Charged Date', 'Country of Buyer']]
    
    sales_l.columns = sales_f.columns
    sales = pd.concat([sales_f, sales_l])
    sales['Transaction Date'] = pd.to_datetime(sales['Transaction Date'], infer_datetime_format=True)

数据集包含7个月内 * 每天 * 的购买数据。为了分析数据，我需要计算每个国家 * 每周 * 的购买数量。
首先，我尝试寻找类似的问题，在那里我找到了一个答案，它对我有所帮助，建议使用一个额外的1列和使用.sum()，它给了我以下内容：

sales['Purchases'] = 1
    
    purchases = sales.groupby(['Transaction Date', 'Buyer Country'])['Purchases'].sum()
    print(purchases)

这将给出以下输出：

Transaction Date  Buyer Country
2021-06-01        US               2
2021-06-02        GB               1
                  IL               1
                  SE               1
                  US               7
                                  ..
2021-12-29        US               7
2021-12-30        CA               1
                  US               4
2021-12-31        GB               1
                  US               7

现在，这对我帮助很大，但是我需要每周而不是每天的计数。我希望结果看起来像这样，但是每个国家的计数在交易日期的每个星期都要计数。
实现这一目标的最有效方式是什么？
除了建议使用添加的“购买”列外，我还尝试（可能是错误的方式）使用df.groupby(pd.Grouper(key='Transaction Date', freq="W")).count()，但没有任何运气，因为它会计算每周购买的所有示例，与国家无关。