我有以下示例代码：

data = ['05/21/2021','05/21/2022','05/21/2023']    
df = pd.DataFrame(data, columns=['register_date'])
df['register_year'] = pd.to_datetime(df['register_date']).dt.year
df['study_year'] = 2022

这里，我有一个 Dataframe ，看起来像这样：
| 登记日期|登记年|学习年|
| - ------|- ------|- ------|
| 2019 - 05 - 21 2019 - 05 - 21|小行星2021|小行星2022|
| 2019 - 05 - 21 10：00：00|小行星2022|小行星2022|
| 2019 - 05 - 21 10：00：00|二○二三|小行星2022|
目标是创建另一个名为“duration_start”的列，其中如果register_year < study_year，则为1;如果register_year > study_year，则为0;如果register_year == study_year，则为register_year的年末与注册日期之间的年份比例。
我创建了以下条件，以便与np.select（）一起使用

register_year_lt_study_year = df['register_year'] < df['study_year']
register_year_gt_study_year = df['Register_year'] > df['Study_year']

和一个函数，它计算从年末开始的一年的比例：

def proportion_to_year_end(date):
    start = pd.to_datetime(date)
    year_end = pd.to_datetime('12/31/' + str(start.year))
    return (year_end - start).days/365

然而，我不确定应该如何填写??，因为proportion_to_year_end（）是一个接受字符串的单值函数，但np.select（）接受相同长度的列。
df['duration_start'] = np.select([register_year_lt_study_year, register_year_gt_study_year], [1, 0], ??)
我考虑过使用apply()函数，也许可以生成另一列，然后删除它，但这需要更多的逻辑来首先处理0和1，然后在此之上，应用proportion_to_year_end，然后删除临时列。
或者，我考虑过将proportion_to_year_end（）改为两列，但我不确定如何在没有for循环的情况下编写它，这是我们应该避免的。
我想知道是否有更好的方法来解决这类问题，其中单值函数和 Dataframe 中的列之间存在明显的维度不匹配？