我如何抵消熊猫的年度日期，所以开始日期是10月1日而不是1月1日？

如何解决我如何抵消熊猫的年度日期，所以开始日期是10月1日而不是1月1日？

我有以下数据框：

我如何抵消每年的熊猫日，所以开始日期是10月1日，而不是1月1日。

在这种情况下，我希望年份为10月1日至9月30日，并且需要考虑leap年。

下面是我想要输出的示例，“年中的日期”列是唯一变量。

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

解决方法

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列转换为熊猫日期时间序列，然后将np.where与Series.gt和Series.sub一起使用以计算base_year Day列中的每个日期。

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

使用pd.to_datetime将base_year转换为熊猫日期时间序列，并添加偏移量9 months，以便base_date从1 October开始。

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

从此Day中减去base_date列，然后使用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