如何在保留W-SUN频率的前提下为Pandas Period Series减一年？

我有一个Pandas Series，其数据类型为Period对象，频率为W-SUN：

>>> dft_history.date
dtype: period[W-SUN]

我希望保留该频率，同时筛选出自当前时间起过去一年的数据。尝试为这些Period减去一年时出现错误：

>>> dft_history.date - pd.DateOffset(years=1)
IncompatibleFrequency: Input has different freq=<-1 * DateOffset: years=1> from PeriodArray(freq=W-SUN)

尝试为pd.DateOffset设置其他时间频率，但仍未解决问题。请问是否有办法在保留W-SUN频率的前提下实现需求？

Period对象依赖固定频率，直接用DateOffset会因频率不匹配报错，可通过以下两种方式实现需求：

方法一：基于时间戳转换计算精确边界 #

1. 先获取当前时间对应的W-SUN周期，再用relativedelta计算一年前的时间戳，最后转成同频率的Period：

   import pandas as pd
   from dateutil.relativedelta import relativedelta
   
   # 获取当前周（W-SUN）的Period对象
   current_period = pd.Period.now(freq='W-SUN')
   # 计算一年前的时间，再转成W-SUN周期
   one_year_ago_time = current_period.start_time - relativedelta(years=1)
   one_year_ago_period = pd.Period(one_year_ago_time, freq='W-SUN')
   

2. 直接用Period的比较操作筛选数据，全程保留原W-SUN频率：

   filtered_data = dft_history[dft_history.date >= one_year_ago_period]
   

方法二：基于周数偏移近似计算 #

如果不需要极致精确，可直接对Period进行周数偏移（一年近似52周）：

current_period = pd.Period.now(freq='W-SUN')
# 向后偏移52周得到一年前的周期
one_year_ago_period = current_period.shift(-52)
filtered_data = dft_history[dft_history.date >= one_year_ago_period]

说明：方法一考虑了闰年、不同年份周数差异等情况，精度更高；方法二更简洁，适合对精度要求不高的场景。

内容的提问来源于stack exchange，提问作者Fernando Jesus Garcia Hipola