Python 从数据框访问项目，并使用相同的方法创建一个新项目

我正在使用这个

dataframe

（

df1

）：

其内容包含以年-月（1-12）格式编写的列。现在我必须创建一个新的

dataframe

，它包含来自

Df1

的数据，这些数据被划分为4个季度。以下是我所做的：

Month = ['00','01','02','03','04','05','06','07','08','09','10','11','12']

Year=['00','01','02','03','04','05','06','07','08','09','10','11','12','13','14','15','16']


for i in range(0,15):

      for j in range(0,12):

          newdf = pd.DataFrame[df1.loc[2,'20'+Year[i]+'-'+Month[j+1]] + df1.loc[2,'20'+Year[i]+'-'+Month[j+2]]+ df1.loc[2,'20'+Year[i]+'-'+Month[j+3]],columns = ['Q1','Q2','Q3','Q4'] ] 
          j = j + 3


print newdf . 

我专门为第二行执行了此操作，但是我需要对整个数据集执行此操作

现在我得到了这个错误：

“type”对象没有属性“getitem”

以下是示例数据：

0             CountyName  SizeRank  2000-01  2000-02  2000-03  2000-04   
1                 Queens         1      NaN      NaN      NaN      NaN   
2            Los Angeles         2   204400   207000   209800   212300   
3                   Cook         3   136800   138300   140100   141900   
4           Philadelphia         4    52700    53100    53200    53400   

newdf应包含：

Q1                      
(204400+207000+209800)

类似于第二季度、第三季度、第四季度

如何继续？

我认为您可以使用带有聚合的列

axis=1

，但首先必须使用列

CountyName

和

SizeRank

，然后首先转换列名，然后：

---

-这是一个内置的功能。你可以添加到你的问题样本数据-5-6行和所需的输出吗？也可能有帮助。获取此错误：“Index”对象没有“to_period”属性这是输出或列：([u'RegionID'，u'RegionName'，u'State'，u'Metro'，u'CountyName'，u'SizeRank'，u'2000-01'，u'2000-02'，u'2000-03'，u'2000-04'，u'2000-05'，u'2000-06'，u'2000-09'，u'2000-10'，u'2000-12'，u'2001-01'，u'2001-02'，u'2001-03'，u'2001-04'，u'2001-05'，u'2001-06'，u'2001-07'，u'2001-08'，u'2001-10'，u'2001-01'，u'2001-01'，u'2001-01'，u'2001-01'，u'2001-01'，u'2001-011'，u'2001-12'，u'2002-01'，u'2002-02'，u'2002-03'，u'2002-04'，u'2002-05'，u'2002-06'，u'2002-07'，u'2002-08'，u'2002-09'，u'2002-10'，u'2002-11'，u'2002-12'，…]，dtype='object确定，然后需要

set_索引

所有不是

df=df set_索引日期的列(['RegionID'，'RegionName'，'State'，'Metro'，'CountyName'，'SizeRank'].

df=df.set_index（['CountyName'，'SizeRank']）need

df=df.set_index（['RegionID'，'RegionName'，'State'，'Metro'，'CountyName'，'SizeRank'））Q1                      
(204400+207000+209800)

#remove header=None for first row in csv as columns
df =  pd.read_csv('City_Zhvi_AllHomes.csv')

df = df.set_index(['CountyName','SizeRank'])
#with real data set index of all not dates columns
#df = df.set_index(['RegionID', 'RegionName', 'State', 'Metro', 'CountyName', 'SizeRank'])
df.columns = pd.to_datetime(df.columns).to_period('M')
print (df)
                        2000-01   2000-02   2000-03   2000-04
CountyName   SizeRank                                        
Queens       1              NaN       NaN       NaN       NaN
Los Angeles  2         204400.0  207000.0  209800.0  212300.0
Cook         3         136800.0  138300.0  140100.0  141900.0
Philadelphia 4          52700.0   53100.0   53200.0   53400.0

print (df.columns)
PeriodIndex(['2000-01', '2000-02', '2000-03', '2000-04'], dtype='period[M]', freq='M')

df = df.resample('Q', axis=1).sum()
print (df)
                         2000Q1    2000Q2
CountyName   SizeRank                    
Queens       1              NaN       NaN
Los Angeles  2         621200.0  212300.0
Cook         3         415200.0  141900.0
Philadelphia 4         159000.0   53400.0