PySpark中基于4月起始财年从日期列计算年度周数

嘿，这个问题我刚好处理过！Spark默认的weekofyear确实是按自然年（1月1日为起始）计算周数的，要改成以4月1日为财年起始的计算逻辑，我给你两种靠谱的方案，优先推荐第一种，因为能避开边界日期的坑：

这个方法的核心逻辑是先确定每个日期对应的财年起始日，再通过日期差计算周数，完全贴合财年的时间范围：

1. 确定财年起始日：如果日期的月份≥4，财年起始就是当年的4月1日；如果月份<4，财年起始就是前一年的4月1日。
2. 计算财年周数：用当前日期减去财年起始日的天数差，除以7取整后加1（因为第1天属于第1周）。

代码实现：

from pyspark.sql import functions as F

# 第一步：计算每个日期对应的财年起始日
df = df.withColumn(
    "fy_start",
    F.when(
        F.month("date") >= 4,
        # 生成当年4月1日：先截断到当年年初，再格式化为4月1日并转成日期类型
        F.to_date(F.date_format(F.date_trunc("year", "date"), "yyyy-04-01"))
    ).otherwise(
        # 生成前一年4月1日：截断到当年年初后减1年，再格式化为4月1日
        F.to_date(F.date_format(F.add_months(F.date_trunc("year", "date"), -12), "yyyy-04-01"))
    )
)

# 第二步：计算财年周数
df = df.withColumn(
    "week",
    # 天数差除以7取整，加1得到对应的财年周数
    F.floor(F.datediff("date", "fy_start") / 7) + 1
)

# 可选：如果不需要中间列fy_start，可以删掉它
df = df.drop("fy_start")

用你的示例数据验证一下：

• 2018-08-12：财年起始是2018-04-01，天数差133天，133÷7=19，加1得20
• 2019-01-23：财年起始是2018-04-01，天数差297天，297÷7≈42.43，取整42加1得43
• 2019-04-03：财年起始是2019-04-01，天数差2天，取整0加1得1

如果你的业务场景可以接受ISO周的边界处理（比如财年末尾的日期可能被归为下财年第1周），可以用更简洁的方式：把日期减去3个月，这样4月1日就对应自然年的1月1日，直接用weekofyear计算即可：

from pyspark.sql import functions as F

df = df.withColumn(
    "week",
    F.weekofyear(F.add_months("date", -3))
)

⚠️ 注意：比如2020-03-31（属于2019财年最后一天），减去3个月是2019-12-31，weekofyear会返回1（因为这一天属于2020年的第1周），但实际它应该是2019财年的最后一周，这种边界情况需要额外调整，所以方法一更稳妥。

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