# Финансовый год – Определение финансового года в Pandas Узнайте всё о фискальном году в Pandas!\ Библиотека Pandas делает получение информации о датах достаточно простым процессом — однако определение финансового года требует чуть больше усилий и не всегда интуитивно понятно. В этой статье я постараюсь объяснить этот процесс простым языком. К концу этой статьи вы узнаете, как: * Использовать метод `.to_period()` из Pandas для преобразования дат в разные временные периоды, * Использовать метод `.qyear()` из Pandas для расчёта годов на основе разных стартовых месяцев, * Форматировать фискальные годы в Pandas различными способами. Кратко говоря, можно написать: ```python df['Date'].dt.to_period('Q-MAR').dt.qyear.apply(lambda x: str(x-1) + "-" + str(x)) ``` **Содержание** * [Загрузка примера набора данных для работы с фискальным годом в Pandas](#zagruzka-primera-nabora-dannykh-dlya-raboty-s-fiskalnym-godom-v-pandas) * [Использование `.to_period()` для преобразования дат в разные временные периоды](#pandas-.to_period-preobrazovanie-dat-v-raznye-vremennye-periody) * [Использование `.qyear()` для расчёта годов на основе разных стартовых месяцев](#pandas-.qyear-raschyot-godov-na-osnove-raznykh-startovykh-mesyacev) * [Форматирование фискального года в Pandas](#formatirovanie-fiskalnogo-goda-v-pandas) * [Заключение](#zaklyuchenie) * [Дополнительные ресурсы](#dopolnitelnye-resursy) ### Загрузка примера набора данных для работы с фискальным годом в Pandas Начнём с загрузки набора данных, содержащего различные временные периоды. Мы импортируем библиотеку Pandas и выведем первые пять записей, чтобы понять, что представляет собой данные: {% tabs %} {% tab title="Код" %} ```python import pandas as pd dates = {'Date': ['1/1/2021', '1/31/2021', '2/1/2021', '2/28/2021', '3/1/2021', '3/31/2021', '4/1/2021', '4/30/2021', '5/1/2021', '5/31/2021', '6/1/2021']} df = pd.DataFrame(dates) df['Date'] = pd.to_datetime(df['Date']) print(df) ``` {% endtab %} {% tab title="Результат" %} ```python Date 0 2021-01-01 1 2021-01-31 2 2021-02-01 3 2021-02-28 4 2021-03-01 5 2021-03-31 6 2021-04-01 7 2021-04-30 8 2021-05-01 9 2021-05-31 10 2021-06-01 ``` {% endtab %} {% endtabs %} По умолчанию, мы можем получить доступ к календарному году с помощью аксессора `.dt.year`. Давайте посмотрим, как это сделать — извлечём календарный год и поместим его в отдельный столбец. Создадим новый столбец с названием `Year` и присвоим ему значение года: {% tabs %} {% tab title="Код" %} ```python df['Year'] = df['Date'].dt.year print(df) ``` {% endtab %} {% tab title="Результат" %} ```python Date Year 0 2021-01-01 2021 1 2021-01-31 2021 2 2021-02-01 2021 3 2021-02-28 2021 4 2021-03-01 2021 5 2021-03-31 2021 6 2021-04-01 2021 7 2021-04-30 2021 8 2021-05-01 2021 9 2021-05-31 2021 10 2021-06-01 2021 ``` {% endtab %} {% endtabs %} Ознакомьтесь с другими уроками Python на сайте datagy, включая наше полное руководство по оформлению таблиц в Pandas и подробный обзор сводных таблиц (Pivot Tables) в Pandas! ### Pandas `.to_period()` — преобразование дат в разные временные периоды Библиотека Pandas позволяет легко преобразовывать данные типа дата и время в различные временные периоды. С помощью метода `.to_period()` можно переводить значения дат в кварталы, месяцы, годы и другие периоды. Давайте рассмотрим это на примере. Преобразуем значения дат в кварталы, считая первым месяцем года апрель (это означает, что мы будем использовать строку `'Q-MAR'`, где `Q` обозначает квартал, а `MAR` указывает, что финансовый год заканчивается в марте): {% tabs %} {% tab title="Код" %} ```python df['As Quarter'] = df['Date'].dt.to_period('Q-MAR') print(df) ``` {% endtab %} {% tab title="Результат" %} ```python Date Year As Quarter 0 2021-01-01 2021 2021Q4 1 2021-01-31 2021 2021Q4 2 2021-02-01 2021 2021Q4 3 2021-02-28 2021 2021Q4 4 2021-03-01 2021 2021Q4 5 2021-03-31 2021 2021Q4 6 2021-04-01 2021 2022Q1 7 2021-04-30 2021 2022Q1 8 2021-05-01 2021 2022Q1 9 2021-05-31 2021 2022Q1 10 2021-06-01 2021 2022Q1 ``` {% endtab %} {% endtabs %} Мы создали новый столбец (`"Quarter"`), который использует апрель в качестве первого месяца года и объединяет значения по кварталам, где период с апреля по июнь считается первым кварталом. ### Pandas `.qyear()` — расчёт годов на основе разных стартовых месяцев Теперь, когда мы преобразовали данные с помощью метода `.to_period()`, давайте извлечём только год. Может возникнуть желание воспользоваться аксессором `.dt.year`, но в этом случае будет возвращаться календарный год. Вместо этого Pandas предоставляет удобный метод `.qyear()`, который возвращает год на основе заданного начального квартала. Если бы мы не выполняли преобразование данных с помощью `.to_period()`, результаты методов `.year` и `.qyear()` совпадали бы. {% hint style="info" %} **Примечание!** Pandas возвращает год окончания финансового периода. {% endhint %} Рассмотрим это на примере: {% tabs %} {% tab title="Код" %} ```python df['Fiscal Year'] = df['As Quarter'].dt.qyear print(df) ``` {% endtab %} {% tab title="Результат" %} ```python Date Year As Quarter Fiscal Year 0 2021-01-01 2021 2021Q4 2021 1 2021-01-31 2021 2021Q4 2021 2 2021-02-01 2021 2021Q4 2021 3 2021-02-28 2021 2021Q4 2021 4 2021-03-01 2021 2021Q4 2021 5 2021-03-31 2021 2021Q4 2021 6 2021-04-01 2021 2022Q1 2022 7 2021-04-30 2021 2022Q1 2022 8 2021-05-01 2021 2022Q1 2022 9 2021-05-31 2021 2022Q1 2022 10 2021-06-01 2021 2022Q1 2022 ``` {% endtab %} {% endtabs %} Обратите внимание, что мы можем записать всё это в одну строку, объединив методы: ```python df['Fiscal Year'] = df['Date'].dt.to_period('Q-MAR').dt.qyear ``` ### Форматирование фискального года в Pandas По умолчанию Pandas извлекает только первый год фискального года. Если ваш фискальный год не совпадает с календарным (январь–декабрь), он всегда будет охватывать два календарных года. Для лучшей идентификации может быть полезно включить оба года в названии. Давайте создадим новый столбец, в котором годы будут отображаться в формате: 2021-2022: {% tabs %} {% tab title="Код" %} ```python df['Fiscal Year Range'] = df['Date'].dt.to_period('Q-APR').dt.qyear.apply(lambda x: str(x-1) + "-" + str(x)) print(df) ``` {% endtab %} {% tab title="Результат" %} ```python Date Year As Quarter Fiscal Year Fiscal Year Range 0 2021-01-01 2021 2021Q4 2021 2020-2021 1 2021-01-31 2021 2021Q4 2021 2020-2021 2 2021-02-01 2021 2021Q4 2021 2020-2021 3 2021-02-28 2021 2021Q4 2021 2020-2021 4 2021-03-01 2021 2021Q4 2021 2020-2021 5 2021-03-31 2021 2021Q4 2021 2020-2021 6 2021-04-01 2021 2022Q1 2022 2021-2022 7 2021-04-30 2021 2022Q1 2022 2021-2022 8 2021-05-01 2021 2022Q1 2022 2021-2022 9 2021-05-31 2021 2022Q1 2022 2021-2022 10 2021-06-01 2021 2022Q1 2022 2021-2022 ``` {% endtab %} {% endtabs %} ### Заключение В этой статье вы узнали, как рассчитывать пользовательские фискальные годы в Pandas с помощью преобразования временных рядов методом `.to_period()` и извлечения года с помощью метода `.qyear()`. Также вы научились форматировать годы в различные виды для удобства отображения. Для получения дополнительной информации ознакомьтесь с официальной документацией по методам [.to\_period()](https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.Series.dt.to_period.html) и [.qyear()](https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.Series.dt.qyear.html). ### Дополнительные ресурсы Чтобы узнать больше по смежным темам, ознакомьтесь со следующими материалами: * [Pandas to\_datetime: Преобразование строкового столбца в дату и время](https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.to_datetime.html) * [Работа с датами и временем в Pandas и Python](https://pandas.pydata.org/pandas-docs/stable/user_guide/timeseries.html) * [Извлечение частей даты (месяц, год и т.д.) в Pandas](https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.Series.dt.year.html) * [Как добавить дни к дате в столбце Pandas](https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.Series.dt.days.html)