如何基于DataFrame中f列的字符串模式生成对应整数型fr_date列？

实现逻辑 #

针对f列固定的字符串结构，拆分提取标识后按规则计算日期值，无需复杂正则匹配：

• 年份动态计算：以系统当前年份为基准，按标识做固定偏移：
  • cy 偏移量0，直接取当前年份
  • l1y 偏移量-1，当前年份减1
  • l2y 偏移量-2，当前年份减2
• 季度固定映射：每个季度对应固定的季度末日期，通过字典直接匹配：
  • q1 对应月末字符0331
  • q2 对应月末字符0630
  • q3 对应月末字符0930
  • q4 对应月末字符1231

可运行代码 #

import pandas as pd
from datetime import datetime

# 示例输入DataFrame
df = pd.DataFrame({
    "f": [
        "l2y_q1_eps_gg",
        "l2y_q2_eps_gg",
        "l2y_q3_eps_gg",
        "l2y_q4_eps_gg",
        "l1y_q1_eps_gg",
        "cy_q1_eps_gg"
    ]
})

# 定义规则映射字典
year_offset = {"cy": 0, "l1y": -1, "l2y": -2}
quarter_end_str = {"q1": "0331", "q2": "0630", "q3": "0930", "q4": "1231"}

# 动态获取基准当前年份
base_year = datetime.now().year

def get_fr_date(f_str: str) -> int:
    # 拆分f列字符串的前两个固定段（后续为统一后缀，不参与计算）
    year_flag, quarter_flag = f_str.split("_")[:2]
    # 拼接日期字符串后转为int类型
    target_date = f"{base_year + year_offset[year_flag]}{quarter_end_str[quarter_flag]}"
    return int(target_date)

# 新增fr_date列
df["fr_date"] = df["f"].apply(get_fr_date)

运行输出 #

代码执行后生成的结果与示例要求完全一致：

f  fr_date
0  l2y_q1_eps_gg   20190331
1  l2y_q2_eps_gg   20190630
2  l2y_q3_eps_gg   20190930
3  l2y_q4_eps_gg   20191231
4  l1y_q1_eps_gg   20200331
5    cy_q1_eps_gg   20210331

注意点 #

• 由于f列字符串结构固定，拆分时仅提取前两段标识即可，无需处理后续通用后缀，运行效率更高
• 最终fr_date列直接通过字符串拼接转int，不需要引入额外的日期处理逻辑，减少不必要的性能损耗
• 因为代码动态读取系统当前年份做偏移，年份变化时不需要手动修改映射规则，可自动适配

内容的提问来源于stack exchange，提问作者Jack。