基于多规则将月度面板数据转换为季度数据的方法求助

步骤1：导入依赖并加载数据 #

首先导入pandas，将数据加载到DataFrame（从文件读取可替换为pd.read_csv()）：

import pandas as pd

# 构造原始数据集
data = {
    "Date": ["2021-01", "2021-02", "2021-03", "2021-01", "2021-02", "2021-03"],
    "Country": ["Austria", "Austria", "Austria", "Belgium", "Belgium", "Belgium"],
    "Inflation": [3.2, 3.3, 3.8, 4.7, 3.8, 5.4],
    "Payment": [120.0, 205.5, 42.5, 87.0, 92.0, 116.0]
}
df = pd.DataFrame(data)

步骤2：处理日期并生成季度标识 #

将Date列转为日期类型，提取YYYY Qx格式的季度字段：

# 转换日期格式
df["Date"] = pd.to_datetime(df["Date"])
# 生成季度标识
df["Quarter"] = df["Date"].dt.to_period("Q").astype(str)

步骤3：分组执行差异化聚合 #

按国家+季度分组，分别计算通胀率均值、付款额总和：

# 分组聚合逻辑
agg_result = df.groupby(["Country", "Quarter"], as_index=False).agg(
    Inflation=("Inflation", "mean"),
    Payment=("Payment", "sum")
)
# 调整列顺序并重命名
agg_result = agg_result[["Quarter", "Country", "Inflation", "Payment"]].rename(columns={"Quarter": "Date"})
# 通胀率保留一位小数（匹配示例结果）
agg_result["Inflation"] = agg_result["Inflation"].round(1)

最终输出结果 #

运行代码后，agg_result会输出你需要的格式：

Date  Country  Inflation  Payment
0  2021 Q1  Austria        3.4    368.0
1  2021 Q1  Belgium        4.6    295.0

内容的提问来源于stack exchange，提问作者john