给定特定年份的开始和结束日期，填写只包含日期和月份的数据帧的日期列的最佳方式是什么

Question

我正在分析银行对账单PDF，这些PDF在文件名和文档中都有完整的开始和结束日期，但与交易相对应的实际条目只包含日期和月份('%d%b'(。以下是该系列的"；日期"；列：

1           
2     24 Dec
3     27 Dec
4           
5           
6     30 Dec
7           
8     31 Dec
9           
10          
11     2 Jan
12          
13     3 Jan
14     6 Jan
15    14 Jan
16    15 Jan

我的开始和结束日期分别为2013-12-23和2014-01-23。在给定开始和结束范围的情况下，用正确的完整日期填充此系列/列的有效方法是什么？我希望任何现有日期都能将相同的日期填写到下一个日期，因此：

1           
2     24 Dec 2013
3     27 Dec 2013
4     27 Dec 2013 
5     27 Dec 2013 
6     30 Dec 2013
7     30 Dec 2013 
8     31 Dec 2013
9     31 Dec 2013 
10    31 Dec 2013     
11     2 Jan 2014
12     2 Jan 2014    
13     3 Jan 2014
14     6 Jan 2014
15    14 Jan 2014
16    15 Jan 2014

只要是日期时间格式，日期格式就无关紧要。我本来希望使用熊猫内部的东西，但我不知道该用什么，现在我想的最好的方法是对照开始和结束日期，并根据日期在范围内的位置填写年份，但必须在整个专栏中运行这项功能是低效的。如有任何帮助/建议/提示，我们将不胜感激，并提前表示感谢。

编辑：我只是想补充一点，我希望有一个通用的程序解决方案，可以应用于任何开始/结束日期和一组事务，而不仅仅是包括这个特定的系列，尽管我认为这是一个很好的测试案例，因为它有年底的重叠。

第二版：到目前为止，在发布这个问题后，我有以下内容，这似乎不是很有效，但似乎有效：

def add_year(date, start, end):
if not date:
return(np.NaN)
else:
test_date = "{} {}".format(date, start.year)
test_date = datetime.strptime(test_date, '%d %b %Y').date()
if start_date <= test_date <= end_date:
return(test_date)
else:
return(datetime.strptime("{} {}".format(date, end.year), '%d %b %Y').date())
df['Date'] = df.Date.map(lambda date: add_year(date, start_date, end_date))
df.Date.ffill(inplace=True)

Answer 1

try:

df['Date']=df['Date'].replace('nan|NaN',float('NaN'),regex=True)
#convert string nan to actual NaN's
df['Date']=df['Date'].ffill()
#forword fill NaN's
c=df['Date'].str.contains('Dec') & df['Date'].notna()
#checking if Date column contain Dec
idx=df[c].index[-1]
#getting the index of last 'Date' where condition c satisfies
df.loc[:idx,'Date']=df.loc[:idx,'Date']+' 2013'
#adding 2013 to 'Date' upto last index of c
df.loc[idx+1:,'Date']=df.loc[idx+1:,'Date']+' 2014'
#adding 2014 to 'Date' from last index of c+1 upto last
df['Date']=pd.to_datetime(df['Date'])
#Finally converting these values to datetime

df:的输出

Date
0   NaT
1   2013-12-24
2   2013-12-27
3   2013-12-27
4   2013-12-27
5   2013-12-30
6   2013-12-30
7   2013-12-31
8   2013-12-31
9   2013-12-31
10  2014-01-02
11  2014-01-02
12  2014-01-03
13  2014-01-06
14  2014-01-14
15  2014-01-15