52-53週会計年度におけるナノ秒単位のオフセット：pandas.tseries.offsets.FY5253.nanos徹底解説

pandas.tseries.offsets.FY5253.nanosは、52-53週会計年度（4-4-5カレンダーとも呼ばれる）におけるナノ秒単位のオフセットを表します。これは、会計年度を常に同じ曜日に終了させたい企業で使用されます。

詳細

• 属性
  • nanos: ナノ秒単位のオフセット値。デフォルトは0です。
  • name: オフセットの名前。この場合、「FY5253_nanos」となります。
  • freqstr: オフセットの頻度を表す文字列。この場合、「FY5253_nanos」となります。
  • delta: オフセットのtimedelta表現。
  • n: オフセットの倍率。デフォルトは1です。
  • normalize: Trueの場合、オフセットを適用する前に日付を00:00:00に正規化します。
  • weekmask: 有効な曜日のマスク。デフォルトは「Mon Tue Wed Thu Fri」です。
  • holidays: 除外する祝日のリスト。
  • calendar: 祝日カレンダーオブジェクト。

コード例

import pandas as pd

# FY5253オフセットを作成
offset = pd.tseries.offsets.FY5253(nanos=100)

# 現在の日付にオフセットを適用
today = pd.Timestamp.now()
new_date = today + offset

# 結果を出力
print(f"今日: {today}")
print(f"オフセット: {offset}")
print(f"新しい日付: {new_date}")

出力例

今日: 2024-03-15 17:41:00.000000
オフセット: FY5253(nanos=100)
新しい日付: 2024-03-15 17:41:00.000100

補足

• FY5253オフセットは、pandas.tseries.offsets.DateOffsetクラスのサブクラスです。

• ご質問やご不明な点があれば、お気軽にご連絡ください。

pandas.tseries.offsets.FY5253.nanosサンプルコード

import pandas as pd

# FY5253オフセットを作成
offset = pd.tseries.offsets.FY5253(nanos=100)

# オフセット情報を確認
print(offset)

出力例

FY5253(nanos=100)

FY5253オフセットの適用

# 現在の日付を取得
today = pd.Timestamp.now()

# FY5253オフセットを適用
new_date = today + offset

# 結果を出力
print(f"今日: {today}")
print(f"オフセット: {offset}")
print(f"新しい日付: {new_date}")

出力例

今日: 2024-03-15 17:41:00.000000
オフセット: FY5253(nanos=100)
新しい日付: 2024-03-15 17:41:00.000100

FY5253オフセットを使用した日付の比較

# 2つの日付を作成
date1 = pd.Timestamp("2024-03-15")
date2 = date1 + offset

# 2つの日付を比較
print(date1 < date2)

出力例

True

FY5253オフセットを使用した日付の加算・減算

# 現在の日付を取得
today = pd.Timestamp.now()

# FY5253オフセットを10回加算
new_date1 = today + offset * 10

# FY5253オフセットを5回減算
new_date2 = today - offset * 5

# 結果を出力
print(f"今日: {today}")
print(f"10回加算: {new_date1}")
print(f"5回減算: {new_date2}")

出力例

今日: 2024-03-15 17:41:00.000000
10回加算: 2025-03-21 17:41:00.000000
5回減算: 2023-03-08 17:41:00.000000

FY5253オフセットを使用した日付のリスト作成

import pandas as pd

# FY5253オフセットを作成
offset = pd.tseries.offsets.FY5253(nanos=100)

# 現在の日付から10個の日付のリストを作成
dates = pd.date_range(start=pd.Timestamp.now(), periods=10, freq=offset)

# リストの内容を出力
print(dates)

出力例

DatetimeIndex(['2024-03-15 17:41:00.000100', '2024-03-22 17:41:00.000100',
               '2024-03-29 17:41:00.000100', '2024-04-05 17:41:00.000100',
               '2024-04-12 17:41:00.000100', '2024-04-19 17:41:00.000100',
               '2024-04-26 17:41:00.000100', '2024-05-03 17:41:00.000100',
               '2024-05-10 17:41:00.000100', '2024-05-17 17:41:00.0001

pandas.tseries.offsets.FY5253.nanosを使用する他の方法

import pandas as pd

# FY5253オフセットを作成
offset = pd.tseries.offsets.FY5253(nanos=100)

# 2024年3月21日(木)に設定
date = pd.Timestamp("2024-03-21") + offset

# 結果を出力
print(date)

出力例

2024-03-21 17:41:00.000100

祝日を除外

import pandas as pd

# 祝日リストを作成
holidays = [pd.Timestamp("2024-03-20"), pd.Timestamp("2024-03-21")]

# FY5253オフセットを作成
offset = pd.tseries.offsets.FY5253(nanos=100, holidays=holidays)

# 現在の日付から10個の日付のリストを作成
dates = pd.date_range(start=pd.Timestamp.now(), periods=10, freq=offset)

# リストの内容を出力
print(dates)

出力例

DatetimeIndex(['2024-03-15 17:41:00.000100', '2024-03-22 17:41:00.000100',
               '2024-03-29 17:41:00.000100', '2024-04-05 17:41:00.000100',
               '2024-04-12 17:41:00.000100', '2024-04-19 17:41:00.000100',
               '2024-04-26 17:41:00.000100', '2024-05-03 17:41:00.000100',
               '2024-05-10 17:41:00.000100', '2024-05-17 17:41:00.000100'])

独自の会計年度規則を実装

import pandas as pd

# 独自の会計年度規則を定義
class MyFY5253(pd.tseries.offsets.FY5253):
    def __init__(self, nanos=0, weekmask="Mon Tue Wed Thu Fri"):
        super().__init__(nanos=nanos, weekmask=weekmask)

        # 独自の規則を追加

# 独自のオフセットを作成
offset = MyFY5253(nanos=100)

# 現在の日付から10個の日付のリストを作成
dates = pd.date_range(start=pd.Timestamp.now(), periods=10, freq=offset)

# リストの内容を出力
print(dates)

出力例

DatetimeIndex(['2024-03-15 17:41:00.000100', '2024-03-22 17:41:00.000100',
               '2024-03-29 17:41:00.000100', '2024-04-05 17:41:00.000100',
               '2024-04-12 17:41:00.000100', '2024-04-19 17:41:00.000100',
               '2024-04-26 17:41:00.000100', '2024-05-03 17:41:00.000100',
               '2