按6月至次年6月的年度日期区间拆分数据集的方法咨询

原始数据集 #

ID                 date            
        A                 201806
        B                 201809
        C                 201901
        D                 201905
        E                 201906
        F                 202002
        G                 202003
        H                 202004

需求说明 #

可以按每年6月1日至次年5月31日的自定义年度区间拆分数据集，完全匹配你给出的预期结果。核心是为每条数据标记其所属的自定义年度区间，再按标记分组拆分。

实现方案（以Python Pandas为例） #

以下是具体的代码实现步骤：

1. 加载数据并转换日期格式
   将date列转换为可识别的日期类型，方便后续区间判断：

   import pandas as pd
   
   # 构造原始数据
   data = {
       'ID': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H'],
       'date': ['201806', '201809', '201901', '201905', '201906', '202002', '202003', '202004']
   }
   df = pd.DataFrame(data)
   
   # 转换date列为日期类型，默认取每月第一天
   df['date'] = pd.to_datetime(df['date'], format='%Y%m')
   

2. 定义自定义年度分组规则
   为每条数据生成所属的年度区间标记：

   • 若日期的月份≥6，属于[当前年份]/[当前年份+1]年度区间（如2018年6月→2018/2019）
   • 若日期的月份<6，属于[当前年份-1]/[当前年份]年度区间（如2019年5月→2018/2019）

   # 计算自定义年度标签
   df['fiscal_year'] = df['date'].apply(
       lambda x: f"{x.year}/{x.year+1}" if x.month >=6 else f"{x.year-1}/{x.year}"
   )
   

3. 按年度标签拆分数据集
   按生成的fiscal_year列分组，得到拆分后的数据集：

   # 拆分数据
   grouped = df.groupby('fiscal_year')
   
   # 获取第一个区间的数据集（2018/2019）
   df1 = grouped.get_group('2018/2019').drop('fiscal_year', axis=1)
   # 获取第二个区间的数据集（2019/2020）
   df2 = grouped.get_group('2019/2020').drop('fiscal_year', axis=1)
   

验证结果 #

• 拆分后的数据集1（对应2018年6月1日至2019年5月31日）：

  ID       date
  0  A 2018-06-01
  1  B 2018-09-01
  2  C 2019-01-01
  3  D 2019-05-01
  

• 拆分后的数据集2（对应2019年6月1日至2020年4月30日）：

  ID       date
  4  E 2019-06-01
  5  F 2020-02-01
  6  G 2020-03-01
  7  H 2020-04-01
  

完全匹配你预期的拆分结果。

内容的提问来源于stack exchange，提问作者NewUsr_stat