求助：基于DataFrame日期列的年月生成assessmentYear(AY)列

要实现基于日期生成连续编号的评估年（AY）列，你可以通过日期分组+连续编号映射的方式完成，全程基于date列而非索引，适合处理25000+行的大数据量。

步骤1：确保日期列是datetime类型 #

首先将字符串格式的date列转换为pandas的datetime类型，方便后续提取年月信息：

import pandas as pd
import numpy as np

# 构造样本DataFrame（实际使用时替换为你的数据）
data = {
 1: '2019-09-19',
 2: '2019-09-20',
 3: '2019-10-29',
 4: '2019-10-30',
 5: '2020-04-01',
 6: '2020-04-02',
 7: '2020-04-03',
 8: '2020-04-04',
 9: '2020-11-05',
 10: '2020-11-06',
 11: '2020-11-07',
 12: '2020-11-08',
 13: '2020-11-09',
 14: '2021-04-10',
 15: '2021-04-11',
 16: '2021-04-12',
}
df = pd.DataFrame.from_dict(data, orient='index', columns=['date'])

# 转换为datetime类型
df['date'] = pd.to_datetime(df['date'])

步骤2：生成评估周期的分组键 #

根据你的规则（评估年从当年10月到次年5月），为每个日期分配对应的周期标识：

• 10月及以后的日期，属于当前年份起始的评估周期（如2019-10 → 2019-2020）
• 5月及以前的日期，属于前一年起始的评估周期（如2020-04 → 2019-2020）
• 6-9月的日期（样本中未出现），默认归为前一年起始的周期（可根据业务需求调整）

用矢量化操作实现（比apply效率更高）：

# 提取年月
df['year'] = df['date'].dt.year
df['month'] = df['date'].dt.month

# 确定周期的起始年份
df['start_year'] = np.where(
    df['month'] >= 10, 
    df['year'], 
    np.where(df['month'] <= 5, df['year'] - 1, df['year'] - 1)
)

# 生成周期标识（如"2019-2020"）
df['period'] = df['start_year'].astype(str) + '-' + (df['start_year'] + 1).astype(str)

步骤3：映射为连续的AY编号 #

将唯一的周期按时间顺序排序，然后分配从1开始的连续编号，最终生成assessmentYear(AY)列：

# 按时间顺序获取唯一周期
unique_periods = sorted(df['period'].unique())

# 创建周期到AY编号的映射
period_to_ay = {period: f"AY{i+1}" for i, period in enumerate(unique_periods)}

# 生成最终的AY列
df['assessmentYear(AY)'] = df['period'].map(period_to_ay)

# 清理中间辅助列（可选）
df.drop(['year', 'month', 'start_year', 'period'], axis=1, inplace=True)

最终结果 #

运行后你的样本数据会得到如下结果：

这种方法完全基于date列的逻辑，不受索引影响，且矢量化操作能高效处理25000+行的数据。

内容的提问来源于stack exchange，提问作者srinivas