如何修改从pandas DataFrame获取的切片/Series的日期年份

我手头有一份团队导入的跨多年排班数据集，我已经完成了数据清洗，将宽表转为了长表，但遇到了一个问题。

数据说明 #

• year和period从拆分的工作表名称中获取，均为字符串类型。
• week为一年中的周数，从排班表中提取，浮点型。
• date从字符串转换而来，专门写了函数处理荷兰语格式的日期并做标准化，原始日期无年份信息，因此使用了第一列的年份填充，处理后为datetime格式。
• shift为班次类型：S1对应早班，S2对应晚班，S3对应夜班。
• 每条记录对应一名员工，出于隐私考虑，姓名已做抹除处理。
• 写了一个类，包含多个方法用于适配政府对排班的相关强制规定。

遇到的问题 #

可以看到1137、1138号条目对应的日期应该属于2022年，请问怎么才能便捷修改这些日期的年份？我尝试过写如下代码：

for week, date in prepocessed_data_merged[['week', 'date']].values:
    # There are always more than 52 weeks in a year.
    # If the month of the date in week 52 is 1 (Jan), then something is wrong.
    if (week == 52) & (date.month == 1):
        prepocessed_data_merged.loc[(prepocessed_data_merged['week'] == week)
                                    & (prepocessed_data_merged['date']), 'date'] = ???

但正如预期的那样，筛选后返回的是一个Series，因为单日对应3个班次，也就是同个日期有3条记录需要修改年份。请问要如何对选中的Series/切片执行年份修改，同时同步更新到原DataFrame中？
我知道可以用：dt.replace(year=current_year+1)，但要怎么对preprocessed_data DataFrame中筛选出的Series执行这个replace操作？

解决方案 #

不需要循环遍历，直接用pandas向量化操作即可批量处理符合条件的所有行：

1. 先构造布尔掩码筛选出需要修改的行
2. 对筛选出的date列批量执行年份+1操作，修改会直接同步到原DataFrame

写法1：用replace实现（逻辑更直观） #

import pandas as pd

# 筛选条件：周数为52 且 日期月份为1月
mask = (prepocessed_data_merged['week'] == 52) & (prepocessed_data_merged['date'].dt.month == 1)
# 对符合条件的日期批量修改年份
prepocessed_data_merged.loc[mask, 'date'] = prepocessed_data_merged.loc[mask, 'date'].apply(lambda x: x.replace(year=x.year + 1))

写法2：用DateOffset实现（性能更高，适配闰年特殊日期） #

如果遇到2月29日这类闰年独有日期，第一种replace方法会报错，用DateOffset会自动将日期调整为2月28日：

mask = (prepocessed_data_merged['week'] == 52) & (prepocessed_data_merged['date'].dt.month == 1)
prepocessed_data_merged.loc[mask, 'date'] = prepocessed_data_merged.loc[mask, 'date'] + pd.offsets.DateOffset(years=1)

内容的提问来源于stack exchange，提问作者Kars