如何将DataFrame的月度列自动汇总为季度列和年度列？

先构造可复现的示例数据：

import pandas as pd

data = {
    '201003': [10, 14],
    '201004': [11, 19],
    '201005': [14, 20],
    '201006': [22, 22],
    '201007': [10, 26],
    '201008': [19, 11]
}
df = pd.DataFrame(data, index=['A', 'B'])

步骤1：将列名转换为时间格式 #

把YYYYMM格式的列名转成时间对象，才能按季度/年份自动分组：

# 复制原数据避免修改原始列名
temp_df = df.copy()
temp_df.columns = pd.to_datetime(temp_df.columns, format='%Y%m')

步骤2：生成季度汇总列 #

按季度分组求和，自动匹配所有时间范围的季度：

quarterly_sum = temp_df.groupby(temp_df.columns.to_period('Q'), axis=1).sum()
# 将季度格式转为'YYYYQX'的字符串（比如2010Q2）
quarterly_sum.columns = quarterly_sum.columns.astype(str)

步骤3：生成年度汇总列 #

按年份分组求和，自动覆盖所有存在的年份：

yearly_sum = temp_df.groupby(temp_df.columns.year, axis=1).sum()
# 将年份转为带标识的字符串（比如'2010年'，也可以直接用str(year)）
yearly_sum.columns = [f"{year}年" for year in yearly_sum.columns]

步骤4：合并到原DataFrame #

把汇总列添加到原数据的右侧：

result_df = pd.concat([df, quarterly_sum, yearly_sum], axis=1)

最终输出的result_df会保留原月度列，同时新增季度和年度汇总列，完全不需要手动指定具体列名，不管你的时间范围是201003-201008还是201006-201303，都能自动适配。

内容的提问来源于stack exchange，提问作者ad1308