在 pandas 数据框上使用 groupby 按财政年度分组答案

【问题标题】：using groupby on pandas dataframe to group by financial year在 pandas 数据框上使用 groupby 按财政年度分组
【发布时间】：2021-07-07 14:31:54
【问题描述】：

我有一个 dataframe 和一个名为 DT 的 datetime64 列。 4月1日到3月31日可以用groupby按财政年度分组吗？

例如，

    Date | PE_LOW 
    2010-04-01 | 15.44
    ...
    2011-03-31 | 16.8
    2011-04-02 | 17.
    ...
    2012-03-31 | 17.4

对于上述数据，我想按 2010-2011 财年和 2011-2012 财年分组，而不创建额外的列。*

【问题讨论】：

【解决方案1】：

您要做的第一件事是定义一个将财政年度输出为值的函数。您可以使用以下内容。

def getFiscalYear(dt):
    year = dt.year
    if dt.month<4: year -= 1
    return year

您说您不想使用额外的列来对框架进行分组。通常通过说出类似 df.groupby("colname") 的内容来调用 groupby 方法，但该语句在语义上等同于 df.groupby(df["colname"] - 这意味着您可以执行类似的操作...

grouped = DT.groupby(DT['Date'].apply(getFiscalYear))

然后将方法应用于组或您想做的任何事情。如果您只想将这些组分开，请致电grouped.groups

【讨论】：

【解决方案2】：

有了 pandas.DatetimeIndex，就很简单了：

DT.groupby(pd.DatetimeIndex(DT.Date).shift(-3,freq='m').year)

或者如果你使用Date作为DT的索引，那就更简单了：

DT.groupby(DT.index.shift(-3,freq='m').year)

但请注意，shift(-3,freq='m') 会将日期更改为月末；例如，4 月 8 日至 1 月 31 日等。无论如何，它很适合您的问题。

【讨论】：

【解决方案3】：

我遇到了类似的问题，并使用 Grouper 并指定频率，使用以下方法将营业年度结束至 3 月（月 = 3）：

grouped_df = df.groupby([pd.Grouper(key='DateColumn', freq=pd.tseries.offsets.BYearEnd(month=3))])

【讨论】：

【解决方案4】：

我为此找到的最简单的方法（类似于 Alex 的回答，但更简洁一些）：

df.groupby([pd.Grouper(key='DateColumn', freq="A-MAR")])

如果您想在最后一个工作日完成年度，您可以使用freq="BA-MAR"

【讨论】：