pandas Excel 날짜 인덱스: backend 변경과 to_period의 의미 보존
날짜의 의미와 컨테이너가 제공하는 연산을 구분하면 사용자가 멀쩡한 날짜를 재입력하는 부담을 피할 수 있다.
pandas Excel 날짜 인덱스: backend 변경과 to_period의 의미 보존
날짜값을 읽는 데 성공했어도 선택한 backend가 반환한 인덱스에서 필요한 달력 메서드를 사용할 수 없을 수 있다. 그 경우 사용자에게 원래 날짜를 다시 입력하게 하기보다 소비자가 요구하는 인터페이스를 명확히 해야 한다. 명시적 변환 뒤에는 호출 가능성과 시간 의미를 각각 확인한다. [1, 2, 3]
공개 원문이 보여 준 범위
read_excel의 index_col·parse_dates 조합에서 numpy_nullable와 pyarrow backend가 다른 인덱스 타입을 반환해 to_period 호출이 달라진다는 보고다. 원문은 날짜값의 오염을 입증한 사례가 아니다. [1]
입력과 출력에서 확인할 관계
자료 소유자와 소비자가 필요한 달력 연산을 구체적으로 정한다. 인덱스를 명시적으로 변환한 뒤 원래 순간과 의도한 월이 그대로 남는지 확인한다. source_date, consumer_period, expected_period, backend를 기록하면 메서드를 호출할 수 있는지와 날짜 의미를 보존했는지를 서로 다른 항목으로 판단할 수 있다. [1, 3]
승인 기준과 실패 사례
설명용 원천 날짜 2026-01-01은 승인한 달력 해석에서 2026-01 기간에 속한다. 변환 뒤 2026-01을 반환하면 해당 의미를 유지하지만 2026-02가 나오면 원하는 메서드가 실행되더라도 실패다. 기준 기간은 변환 결과를 그대로 복사하지 않고 원래 날짜와 달력 계약에서 준비한다. 이 사례는 원문이 날짜 오염을 입증했다는 주장이 아니다. [1, 3]
Truthound를 연결하는 검사 경계
Truthound Core 3.3.2의 ColumnPairValidator는 정규화한 expected_period와 consumer_period를 대조할 수 있다. 이 검사와 별도로 소비자가 실제 to_period 호출을 수행할 수 있는지 기능 시험해야 한다. 표의 값 대사로 Python 인덱스 클래스의 메서드 지원까지 확인했다고 말하지 않는다. [1, 2, 3]
다른 선택이 필요한 조건
날짜값 대조만으로 DatetimeIndex 메서드 지원 여부를 검사하지는 않는다. 소비자가 요구하는 DatetimeIndex 변환을 명시적으로 수행하고 기능 호출 시험을 별도로 둔다. 소비자가 Arrow timestamp index를 직접 지원하면 DatetimeIndex로 바꾸는 조건은 불필요하다. [1, 3]
적용 조건
source_date, consumer_period, expected_period, backend 기록을 원시 입력과 승인 기준에서 각각 준비하고 행 식별자를 유지한다.
대안
소비자가 요구하는 DatetimeIndex 변환을 명시적으로 수행하고 기능 호출 시험을 별도로 둔다.
한계
날짜값 대조만으로 DatetimeIndex 메서드 지원 여부를 검사하지는 않는다.
근거
- 사건 확인일
- 대상 확인일
- 수정일
