python/pandas将列折叠为日期时间季度

我有一个数据框架，其中有一组列以“YYYY-MM”格式标记，还有一些其他列。我需要将日期列折叠成日历季度，然后取平均值；我可以手动完成，但在我的真实数据中有几百个日期列，我不想手动映射其中的每一个。我从CSV生成初始df；我在

read_csv

中没有看到任何看起来有用的东西，但是如果有什么我可以利用的，那就太好了。我发现将datetime对象转换为quarter的

dataframe.dt.to_period（“Q”）

，但如果可以的话，我不太确定如何在这里应用它

下面是一个示例df（代码如下）：

这段代码将完成我正在寻找的功能，但我必须手动生成映射：

mapping={'2016-04'：'2016q2'，'2016-05'：'2016q2'，'2016-06'：'2016q2'，'2016-07'：'2016q3'，'2016-08'：'2016q3'}
df=df.set_index（['foo'，'bar']）.groupby（映射，轴=1.mean（）.reset_index（）

新df：

foo-bar 2016q2 2016q3
0   6   5   3.666667    4.5
1   9   3   8.000000    7.5
2   8   5   6.000000    6.5
3   5   8   2.000000    5.5
4   4   5   3.333333    4.0

生成初始df的代码：

df=pd.DataFrame（np.random.randint（1,11，大小=（5,7）），列=（'foo'，'bar'，'2016-04'，'2016-05'，'2016-06'，'2016-07'，'2016-08'）），'2016-07'，'2016-08'））

使用应用于索引值的可调用函数。使用

axis=1

将其应用于列值

(df.set_index(['foo', 'bar'])
   .groupby(lambda x: pd.Period(x, 'Q'), axis=1)
   .mean().reset_index())

   foo  bar    2016Q2  2016Q3
0    6    5  3.666667     4.5
1    9    3  8.000000     7.5
2    8    5  6.000000     6.5
3    5    8  2.000000     5.5
4    4    5  3.333333     4.0

---

解决方案非常简短：

从将“每月”列复制到另一个数据帧并转换开始 要索引的列名：

然后，为了得到结果，按季度对列重新采样， 计算平均值（每个季度），并加入2个“初始”列：

---

可能重复：您可以尝试类似于

pd.PeriodIndex（pd.to_datetime（df.columns[2:]）、freq='Q'）.map（str）的方法，而不是手动转换列名

@jml首先将年份列和其他列分开，然后应用groupby with period index函数，在该函数之后只传递年份列，并将此数据框与数据框的其他字段连接在一起。输出如下：这是完美的，正是我想要的。非常感谢。

(df.set_index(['foo', 'bar'])
   .groupby(lambda x: pd.Period(x, 'Q'), axis=1)
   .mean().reset_index())

   foo  bar    2016Q2  2016Q3
0    6    5  3.666667     4.5
1    9    3  8.000000     7.5
2    8    5  6.000000     6.5
3    5    8  2.000000     5.5
4    4    5  3.333333     4.0

df2 = df.iloc[:, 2:]
df2.columns = pd.PeriodIndex(df2.columns, freq='M')

df.iloc[:, :2].join(df2.resample('Q', axis=1).agg('mean'))

data = [[2,2,2,3,3,3],[1,2,2,3,4,5],[1,2,2,3,4,5],[1,2,2,3,4,5],[1,2,2,3,4,5],[1,2,2,3,4,5]]
df = pd.DataFrame(data, columns = ['A','1996-04','1996-05','2000-07','2000-08','2010-10'])
# separate year columns and other columns
# separate year columns
df3 = df.iloc[:, 1:]
# separate other columns
df2 = df.iloc[:,0]
#apply groupby using period index
df3=df3.groupby(pd.PeriodIndex(df3.columns, freq='Q'), axis=1).mean()
final_df = pd.concat([df3,df2], axis=1)
print(final_df)