Python:strftime（）函数可以处理季度日期转换吗？

我需要在Python中处理大量的日期格式转换。输入日期格式可能类似于字符串类型中的

“2018/07/07”

。使用datetime。（）函数将其转换为

'2018-07-07T00:00:00'

。然而，一些特殊的日期格式可能会让我很担心，比如

“2018Q1”

，这意味着2018年第一季度

我发现strftime函数中没有任何东西可以用来描述季度。 我试过：

我真正想要的是

'2018-03-01T00:00:00'

或

'2018-03-31T00:00:00'

让我知道，好了，现在是季度日期

进一步关注：

---

由于某些日期格式可能类似于

'18/07'

，因此使用该功能只能显示月份的第一天

'2018-07-01T00:00:00'

，而不能显示月份的最后一天。如果从输入日期算起没有“天”，我想对月的最后一天的数据进行标准化。

回答问题：不，据我所知不是。提供另一种选择：您可以使用

pandas.To_datetime

自动解析季度，例如

import pandas as pd
print(pd.to_datetime("2018Q1").isoformat())
# 2018-01-01T00:00:00

…或编写自己的解析器，例如

from datetime import datetime

def year_quarter_to_ymd(s):
    parts = s.upper().split('Q')
    dt = datetime(int(parts[0]), int(parts[1])*3-2, 1)
    return dt.isoformat()

tstrings = ["2018Q1","2018Q2","2018Q3","2018Q4"]

for t in tstrings:
    print(year_quarter_to_ymd(t))
    
# 2018-01-01T00:00:00
# 2018-04-01T00:00:00
# 2018-07-01T00:00:00
# 2018-10-01T00:00:00  

虽然不太方便，但自定义功能在我的机器上运行得更快：

%timeit pd.to_datetime("2018Q1").isoformat()
69.1 µs ± 289 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

%timeit year_quarter_to_ymd("2018Q1")
1.32 µs ± 3.01 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

---

那真有效！非常感谢@MrFuppes，根据他的回答，我尝试使用

calendar

功能自动查找最后一天。它也有用！在此处更新结果：

from datetime import datetime
import calendar

def year_quarter_to_ymd(s):
    parts = s.upper().split('Q')
    end = calendar.monthrange(int(parts[0]), int(parts[1])*3)[1]
    dt = datetime(int(parts[0]), int(parts[1])*3, end)
    return dt.isoformat()

print(year_quarter_to_ymd("2019Q1"))

#2019-03-31T00:00:00

---

我会看一看。它似乎支持带有

%q

@HernánAlarcón的四分之一。这是一个很好的建议，但是，输入实际上来自一个嵌套的json文件，一旦我规范化了所有日期，我需要将结果返回到json。我担心如果它太复杂和耗时，首先转换为pd，然后找出它并进行处理，最后返回dict格式。非常感谢！真的很感激！

from datetime import datetime
import calendar

def year_quarter_to_ymd(s):
    parts = s.upper().split('Q')
    end = calendar.monthrange(int(parts[0]), int(parts[1])*3)[1]
    dt = datetime(int(parts[0]), int(parts[1])*3, end)
    return dt.isoformat()

print(year_quarter_to_ymd("2019Q1"))

#2019-03-31T00:00:00