python - 我如何抵消 Pandas dayofyear 以便开始日期是 10 月 1 日而不是 1 月 1 日？

Question

我有以下数据框:

我如何抵消 Pandas dayofyear 以便开始日期是 10 月 1 日而不是 1 月 1 日

在这种情况下，我希望年份是从 10 月 1 日到 9 月 30 日，并且需要考虑闰年。

下面是我想要输出的示例，其中日期列是唯一的变量。

这是表格形式的数据框:

           Day  stock  dayofyear  weekday  month  year  leapyear
0   24/09/2019     10        267        1      9  2019     False
1   25/09/2019     10        268        2      9  2019     False
2   26/09/2019     11        269        3      9  2019     False
3   27/09/2019     12        270        4      9  2019     False
4   28/09/2019     14        271        5      9  2019     False
5   29/09/2019     14        272        6      9  2019     False
6   30/09/2019     15        273        0      9  2019     False
7   01/10/2019     16        274        1     10  2019     False
8   02/10/2019     17        275        2     10  2019     False
9   03/10/2019     18        276        3     10  2019     False
10  04/10/2019     19        277        4     10  2019     False

Answer 1

使用:

df['Day'] = pd.to_datetime(df['Day'], dayfirst=True)

base_year = np.where(df['month'].ge(10), df['year'], df['year'].sub(1))
base_date = pd.to_datetime(base_year, format='%Y') + pd.DateOffset(months=9)
df['dayofyear'] = (df['Day'] - base_date).dt.days.add(1)

---

详细信息:

使用 pd.to_datetime将 Day 列转换为 pandas 日期时间系列，然后使用 np.where连同 Series.gt和 Series.sub为 Day 列中的每个日期计算 base_year。

print(base_year)
array([2018, 2018, 2018, 2018, 2018, 2018, 2018, 2019, 2019, 2019, 2019])

使用pd.to_datetime将 base_year 转换为 pandas 日期时间系列并添加 9 个月 的偏移量，以便 base_date 从 10 月 1 日开始.

print(base_date)
DatetimeIndex(['2018-10-01', '2018-10-01', '2018-10-01', '2018-10-01',
               '2018-10-01', '2018-10-01', '2018-10-01', '2019-10-01',
               '2019-10-01', '2019-10-01', '2019-10-01'],
              dtype='datetime64[ns]', freq=None)

从这个 base_date 中减去 Day 列并使用 Series.dt.days计算 dayofyear:

print(df)
          Day  stock  dayofyear  weekday  month  year  leapyear
0  2019-09-24     10        359        1      9  2019     False
1  2019-09-25     10        360        2      9  2019     False
2  2019-09-26     11        361        3      9  2019     False
3  2019-09-27     12        362        4      9  2019     False
4  2019-09-28     14        363        5      9  2019     False
5  2019-09-29     14        364        6      9  2019     False
6  2019-09-30     15        365        0      9  2019     False
7  2019-10-01     16          1        1     10  2019     False
8  2019-10-02     17          2        2     10  2019     False
9  2019-10-03     18          3        3     10  2019     False
10 2019-10-04     19          4        4     10  2019     False