Pandas中如何将分组最后值按索引分配至下一组？

我的需求和某类似问题一致，但有两点不同：1）操作对象是Series；2）分组依据在时间索引中而非列。

现有如下时间索引的Series：

2023-08-01    1515000.08
2023-09-01    2629410.80
2023-10-01    2548748.40
2023-11-01    2494398.04
2023-12-01    3397805.34
2024-01-01    3285501.49
2024-02-01    3173978.74
2024-03-01    3139235.65
2024-04-01    2927895.84
2024-05-01    2750708.29
dtype: float64

需要生成新Series，每个值对应上一季度最后一个月的数值，期望结果如下：

2023-08-01    NaN
2023-09-01    NaN
2023-10-01    2629410.80 <--- 2023-09-01的旧值，即Q3末值
2023-11-01    2629410.80
2023-12-01    2629410.80
2024-01-01    3397805.34 <--- 2023-12-01的旧值
2024-02-01    3397805.34
2024-03-01    3397805.34
2024-04-01    3139235.65 <--- 2024-03-01的旧值
2024-05-01    3139235.65
dtype: float64

我当前的实现代码过于冗长：

period_to_val = (
    series.groupby(
        lambda x: get_quarter(date=x)
    )
    .last()
    .shift()
)

data = series.index.map(
    lambda x: period_to_val[get_end_of_period(date=x, term_length=term_length, fiscal_year_start=fiscal_year_start)]
)

result = pd.Series(data=data, index=series.index)

我想要类似SeriesGroupBy.shift()与transform("last")结合的简洁操作，请问有什么优化方案？

方法一：自然季度场景（无需自定义财年） #

如果使用自然季度（1-3月Q1、4-6月Q2等），可以直接借助时间索引的year和quarter属性实现：

# 提取每个季度的最后一个值，映射到该季度所有日期
quarter_last = series.groupby([series.index.year, series.index.quarter]).transform('last')
# 将每个季度的last值整体下移到下一个季度
result = quarter_last.groupby([series.index.year, series.index.quarter]).shift(3)

方法二：自定义财年季度场景 #

如果需要自定义财年起始（比如财年从7月开始），用pd.Grouper指定季度频率即可：

# 按自定义财年季度分组，提取季度末值并移位
quarter_end_vals = series.groupby(pd.Grouper(freq='Q-JUL')).last().shift()
# 将移位后的季度末值映射回原索引的每个日期
result = series.index.to_series().apply(lambda x: quarter_end_vals.loc[x.floor('Q-JUL')])

方法三：链式简化操作 #

可以把分组、移位、映射合并为更紧凑的链式代码：

result = pd.Series(
    series.index.map(lambda x: series.groupby(pd.Grouper(freq='Q-JUL')).last().shift().loc[x.floor('Q-JUL')]),
    index=series.index
)

核心逻辑 #

1. 按季度分组提取每个季度的最后一个值；
2. 将季度末值整体下移一个季度；
3. 把偏移后的值映射回原Series的所有日期，同一季度内的日期共享对应的上季度末值。

内容的提问来源于stack exchange，提问作者bhub