如何从pandas DataFrame的日期列中提取澳大利亚财年

核心逻辑 #

澳大利亚财年从每年7月1日开始到次年6月30日结束，计算规则为：

• 若日期月份≥7，财年年份 = 日期所属年份 + 1
• 若日期月份<7，财年年份 = 日期所属年份

实现方法 #

首先确保待处理的date列为pandas datetime类型：

import pandas as pd
# 类型转换非必要但建议执行，避免非日期格式数据报错
df['date'] = pd.to_datetime(df['date'])

方法1：向量化运算（推荐，大数据量下性能更高） #

直接通过pandas datetime内置属性计算，一行代码完成：

# 生成带FY前缀的财年标识，如FY 2019
df['au_fiscal_year'] = 'FY ' + (df['date'].dt.year + (df['date'].dt.month >= 7).astype(int)).astype(str)

# 如果只需要纯数字年份，可使用以下代码
df['au_fiscal_year_num'] = df['date'].dt.year + (df['date'].dt.month >= 7).astype(int)

方法2：自定义函数+apply（适合需要扩展复杂逻辑的场景） #

def cal_au_fiscal_year(date):
    if date.month >= 7:
        return f"FY {date.year + 1}"
    return f"FY {date.year}"

df['au_fiscal_year'] = df['date'].apply(cal_au_fiscal_year)

效果验证 #

对应示例的计算结果如下：

内容的提问来源于stack exchange，提问作者Ryan