Skip to main content
 首页 » 编程设计

python之如何在DataFrame中将日期转换为Year.Q格式

2025年02月15日9JustinYoung

   2000-01   2000-02   2000-03   2000 -04 ......   2016-08 
0    1010       43453      5564       45545           15555 
1    4565       44646      8989       56565           56565 

我有一个这样的数据框。我需要添加一些列,例如“2000q1”,这表示 2000-01、2000-02、2000-03 的平均值。所以第 4-6 个月是第 2 季度,第 7-9 个月是第 3 季度,第 10-12 个月是第 4 季度。 我认为结果应该是这样的:

2000q1       2000q2    2000q3   2000q4  2001q1......2016q3 
16675.67     15615     ................................... 
19400        55665     ................................... 

我认为第一步是将列转换为日期时间。

import pandas as pd 
df.columns.map(pd.to_datetime) 

但我不知道下一步是什么


我有个想法,但行不通。 我使用循环。

d = [] 
for i in range(2000,2017): 
    i=str(i) 
    d.append(i+'q'+str(1)) 
    d.append(i+'q'+str(2)) 
    d.append(i+'q'+str(3)) 
    d.append(i+'q'+str(4)) 
#I create a list contains the date I need. Next step is put mean values in. 
d = d[:-1] #remove 2016q4 from list because the date untill 2016-08 
for date in d: 
    for a in range(0,201,3): 
        average = np.mean(df.iloc[:,a:a+3]) 
        df[date] = average    

但是结果显示新列都是NaN值。

请您参考如下方法:

您可以将列标题转换为datetime,然后转换为Quarters的to_period,按列名分组并计算沿行方向的平均值:

示例:

import pandas as pd 
 
df 
#2000-01  2000-02  2000-03  2000-04 
#0  1010    43453     5564    45545 
#1  4565    44646     8989    56565 
 
df.columns = pd.to_datetime(df.columns, format="%Y-%m").to_period("Q")     
df.groupby(level=0, axis=1).mean() 
 
#         2000Q1     2000Q2 
#0  16675.666667    45545.0 
#1  19400.000000    56565.0