将每小时数据向前滚动一年并考虑 datetimeindex 的差异

Question

我有很多年的每小时数据，格式如下：

df = pd.DataFrame({'Value': [0, 1, 2, 3, 4]},
     index = [pd.Timestamp('20130101 09:00:00'),
     pd.Timestamp('20130101 10:00:00'),
     pd.Timestamp('20130101 11:00:00'),
     pd.Timestamp('20130101 12:00:00'),
     pd.Timestamp('20130101 13:00:00')])

但是我有从 2013 年到 2019 年底的数据。我想按年向前滚动数据，所以假设我希望从 2013 年滚动到 2014 年的所有值并考虑时间戳差异（所以如果它是闰年，它应该仍然工作）。结果应如下所示：

dfnew = pd.DataFrame({'Value': [0, 1, 2, 3, 4]},
        index = [pd.Timestamp('20140101 09:00:00'),
                pd.Timestamp('20140101 10:00:00'),
                pd.Timestamp('20140101 11:00:00'),
                pd.Timestamp('20140101 12:00:00'),
                pd.Timestamp('20140101 13:00:00')])

编辑：

如果我从 2015 年前滚到 2016 年，那么一年中的小时数会增加 24，因此 29/2 应该向前填充 28/2。 从 2016 年滚动到 2017 年时，它应该按日期（月和日）匹配，并且 29/2 应该再次退出。

编辑 2：

所以我想要这样的东西： df.forwardcopy(yeartobecopied = 2015, pasteedtoyear=2016) 如果粘贴到闰年，则将日、月和小时的值对齐并进行前向填充，如果从闰年复制，则退出 29/2。

编辑 3：

抱歉，这里再次解释了输入和预期输出。从 2015 年滚动到 2016 年。

输入：

    df = pd.DataFrame({'Value': [0, 1, 2, 3]},
     index = [pd.Timestamp('20150228 09:00:00'),
     pd.Timestamp('20150228 10:00:00'),
     pd.Timestamp('20150301 09:00:00'),
     pd.Timestamp('20150301 10:00:00')])

输出：

  df = pd.DataFrame({'Value': [0, 1, 0,1, 2, 3]},
     index = [pd.Timestamp('20160228 09:00:00'),
     pd.Timestamp('20160228 10:00:00'),
     pd.Timestamp('20160229 09:00:00'),
     pd.Timestamp('20160229 10:00:00'),
     pd.Timestamp('20160301 09:00:00'),
     pd.Timestamp('20160301 10:00:00')])

然后从 2016 年到 2017 年。

输入：

  df = pd.DataFrame({'Value': [0, 1, 0,1, 2, 3]},
     index = [pd.Timestamp('20160228 09:00:00'),
     pd.Timestamp('20160228 10:00:00'),
     pd.Timestamp('20160229 09:00:00'),
     pd.Timestamp('20160229 10:00:00'),
     pd.Timestamp('20160301 09:00:00'),
     pd.Timestamp('20160301 10:00:00')])

输出：

 df = pd.DataFrame({'Value': [0, 1, 2, 3]},
     index = [pd.Timestamp('20170228 09:00:00'),
     pd.Timestamp('20170228 10:00:00'),
     pd.Timestamp('20170301 09:00:00'),
     pd.Timestamp('20170301 10:00:00')])

Answer 1

In [17]: from dateutil.relativedelta import relativedelta                                                                                                                                                  

In [22]: df.index = [date + relativedelta(years=1) for date in df.index]                                                                                                                                   

In [23]: df                                                                                                                                                                                                
Out[23]: 
                     Value
2014-01-01 09:00:00      0
2014-01-01 10:00:00      1
2014-01-01 11:00:00      2
2014-01-01 12:00:00      3
2014-01-01 13:00:00      4

列表理解是一种解决方法，因为relativedelta 似乎不支持广播。这也应该适用于闰年等。

有趣地尝试pd.Timedelta 有效，但结果错误。

In [10]: df.index + pd.Timedelta('1y')                                                                                                                                                                     
Out[10]: 
DatetimeIndex(['2014-01-01 14:49:12', '2014-01-01 15:49:12',
               '2014-01-01 16:49:12', '2014-01-01 17:49:12',
               '2014-01-01 18:49:12'],
              dtype='datetime64[ns]', freq='H')
In [24]: pd.Timedelta('1y')                                                                                                                                                                                
Out[24]: Timedelta('365 days 05:49:12')

文档也没有提到支持大于天的间隔，但它也没有抛出错误。