Python 将日期/时间拆分为期间的If语句

只是一个小背景故事，我需要创建一个修改过的专栏，名为“分析期”，将36个月的周期划分为3个区间。例如，（2014年5月至2015年4月），（2015年5月至2016年4月）和（2016年5月至2017年4月）。这将与我们的本地工具一起使用

我能够用下面的代码完成这项壮举，但是我想知道是否有一种更有效的方法可以做到这一点，而不必手动更新日期范围。 同样关于下面的if语句，最初我尝试用一个if语句和两个对应的elif语句。然而，这似乎并不奏效。有人能解释一下原因吗

多谢各位

date_time={'Date_Fields':[datetime.date(2014,5,1),datetime.date(2015,5,1),datetime.date(2016,5,1),datetime.date(2018,5,1)]}
date_time=pd.DataFrame(date_time)
date_time["Analysis Period"]=""

if（（日期时间[“日期字段”]>=datetime.date（2014,5,1））&（日期时间[“日期字段”]=datetime.date（2014,5,1））&（日期时间[“日期字段”]=datetime.date（2015,5,1））&（日期时间[“日期字段”]=datetime.date（2015,5,1））&（日期时间[“日期字段”]=datetime.datetime（2016,5,1））&（日期时间[“日期字段”]=datetime（2016,5,1））[“日期字段”]设置
考虑数据文件<代码>日期/时间>代码> < /P>
if ((date_time["Date_Fields"]>= datetime.date(2014,5,1)) & (date_time["Date_Fields"]<=datetime.date(2015,4,30))) is not False:
date_time["Analysis Period"]=np.where(((date_time["Date_Fields"]>= datetime.date(2014,5,1)) & (date_time["Date_Fields"]<=datetime.date(2015,4,30))),'May 2014 to April 2015', date_time["Analysis Period"])

if ((date_time["Date_Fields"]>= datetime.date(2015,5,1)) & (date_time["Date_Fields"]<=datetime.date(2016,4,30))) is not False:
date_time["Analysis Period"]=np.where(((date_time["Date_Fields"]>= datetime.date(2015,5,1)) & (date_time["Date_Fields"]<=datetime.date(2016,4,30))),'May 2015 to April 2016', date_time["Analysis Period"])

if ((date_time["Date_Fields"]>= datetime.date(2016,5,1)) & (date_time["Date_Fields"]<=datetime.date(2017,4,30))) is not False:
date_time["Analysis Period"]=np.where(((date_time["Date_Fields"]>= datetime.date(2016,5,1)) & (date_time["Date_Fields"]<=datetime.date(2017,4,30))),'May 2016 to April 2017',date_time["Analysis Period"])


解决方案

使用
pd.Series.dt.to_period
和
freq='A-Apr
指定在4月份结束的年度期间

date_time = pd.DataFrame(dict(
    Date_Fields=pd.date_range('2014-05-01', periods=12, freq='Q'),
    Other_Field=np.arange(12)
))

   Date_Fields  Other_Field
0   2014-06-30            0
1   2014-09-30            1
2   2014-12-31            2
3   2015-03-31            3
4   2015-06-30            4
5   2015-09-30            5
6   2015-12-31            6
7   2016-03-31            7
8   2016-06-30            8
9   2016-09-30            9
10  2016-12-31           10
11  2017-03-31           11

您需要
pd.cut（）
。谢谢您，我们会仔细阅读。非常好的解决方案！
date_time.assign(**{
    'Analysis Period': date_time.Date_Fields.dt.to_period('A-Apr')
})

   Date_Fields  Other_Field Analysis Period
0   2014-06-30            0            2015
1   2014-09-30            1            2015
2   2014-12-31            2            2015
3   2015-03-31            3            2015
4   2015-06-30            4            2016
5   2015-09-30            5            2016
6   2015-12-31            6            2016
7   2016-03-31            7            2016
8   2016-06-30            8            2017
9   2016-09-30            9            2017
10  2016-12-31           10            2017
11  2017-03-31           11            2017