python - 切片、合并会计年度日期并将其映射到日历年日期到新列

Question

我有以下 pandas 数据框:

Shortcut_Dimension_4_Code     Stage_Code
10225003                      2
8225003                       1
8225004                       3
8225005                       4

它是一个更大的数据集的一部分，我需要能够按月和年进行过滤。对于 Shortcut_Dimension_4_Code 列中大于 9999999 的值，我需要从前两位数字中提取会计年度；对于小于或等于 9999999 的值，我需要从第一位数字中提取会计年度。需要将该值添加到“20”以生成年份，即“20”+“8”= 2008 | “20”+“10”= 2010 年。

该年份“2008、2010”需要与阶段代码值(1-12)组合以生成月份/年份，即 02/2010。

然后需要将日期 02/2010 从会计年度日期转换为日历年度日期，即会计年度日期:02/2010 = 日历年度日期:08/2009。生成的日期需要显示在新列中。生成的 df 最终看起来像这样:

Shortcut_Dimension_4_Code     Stage_Code     Date
10225003                      2              08/2009
8225003                       1              07/2007
8225004                       3              09/2007
8225005                       4              10/2007

我是 pandas 和 python 的新手，需要一些帮助。我从这个开始:

Shortcut_Dimension_4_Code   Stage_Code  CY_Month    Fiscal_Year
    0   10225003                 2           8.0        10
    1   8225003                  1           7.0        82
    2   8225003                  1           7.0        82
    3   8225003                  1           7.0        82
    4   8225003                  1           7.0        82

我使用 .map 和 .str 方法来生成此 df，但无法弄清楚如何获得 2008-2009 财政年度的正确结果。

Answer 1

在下面的代码中，我假设 Shortcut_Dimension_4_Code 是一个整数。如果它是字符串，您可以将其转换或切片，如下所示:df['Shortcut_Dimension_4_Code'].str[:-6]。更多解释见代码旁边的注释。

只要您不必处理空值，这应该就可以工作。

import pandas as pd
import numpy as np
from datetime import date
from dateutil.relativedelta import relativedelta

fiscal_month_offset = 6

input_df = pd.DataFrame(
    [[10225003, 2],
    [8225003, 1],
    [8225004, 3],
    [8225005, 4]],
    columns=['Shortcut_Dimension_4_Code', 'Stage_Code'])

# make a copy of input dataframe to avoid modifying it
df = input_df.copy()

# numpy will help us with numeric operations on large collections
df['fiscal_year'] = 2000 + np.floor_divide(df['Shortcut_Dimension_4_Code'], 1000000)

# loop with `apply` to create `date` objects from available columns
# day is a required field in date, so we'll just use 1
df['fiscal_date'] = df.apply(lambda row: date(row['fiscal_year'], row['Stage_Code'], 1), axis=1)

df['calendar_date'] = df['fiscal_date'] - relativedelta(months=fiscal_month_offset)
# by default python dates will be saved as Object type in pandas. You can verify with `df.info()`
# to use clever things pandas can do with dates we need co convert it
df['calendar_date'] = pd.to_datetime(df['calendar_date'])

# I would just keep date as datetime type so I could access year and month
# but to create same representation as in question, let's format it as string
df['Date'] = df['calendar_date'].dt.strftime('%m/%Y')

# copy important columns into output dataframe
output_df = df[['Shortcut_Dimension_4_Code', 'Stage_Code', 'Date']].copy()
print(output_df)