dataframe:如何从DatetimeIndex中获取Period对象(calendar+fiscal、year、month)的列？

Question

我有一个dataframe，这是前5个索引，有几行日期具有不同的数据点，然后它转到第二天

DatetimeIndex(['2014-01-01', '2014-01-01', '2014-01-01', '2014-01-01',
               '2014-01-01'],
              dtype='datetime64[ns]', name='DayStartedOn', freq=None)

这是当前的列数据类型

country                  object
type                     object
name                     object
injection               float64
withdrawal              float64
cy_month              period[M]

我希望添加一个具有日历年月的列，以及两个具有不同会计年度和月份的列。最好在不同的列中分隔年份和月份，如:日历年、日历月、会计年度、会计月份。目标是在我对其他列执行重新分组或重新采样时保留这些列值

我通过以下方式达到了cy_month以上：

df['cy_month']=df.index.to_period('M')

即使我对此也不是很满意，因为我想要的是经期，而不是月末

我尝试为日历年添加以下两列：

pd.Period(df_storage_clean.index.year, freq='A-DEC')  

对于另一个财年：

pd.Period(df_storage_clean.index.year, freq='A-SEP') 

但具有回溯功能：

ValueError: Value must be Period, string, integer, or datetime

所以我开始不再使用pandas，逐行循环并添加到列表中，

lst_period_cy=[]
for y in lst_cy:
    period_cy=pd.Period(y, freq='A-DEC')
    lst_period_cy.append(period_cy)

然后将列表转换为Series或df，并将其添加回df

但我认为它的效率不高(15万行数据)，所以没有继续

Answer 1

以防你还没有找到解决方案...

您可以执行以下操作：

df.reset_index(drop=False, inplace=True)
df['cal_year_month'] = df.DayStartedOn.dt.month
df['cal_year'] = df.DayStartedOn.dt.year
df['fisc_year'] = df.DayStartedOn.apply(pd.Period, freq='A-SEP')
df.set_index('DayStartedOn', drop=True, inplace=True)

我的假设是，就像在您的示例中一样，索引的名称是DayStartedOn。如果不是这样，那么代码必须进行相应的调整。