如何在Python Pandas DataFrame中计算Quarter Aging值

你已经通过以下代码从date列创建了Quarter列：

df['Quarter'] = pd.DatetimeIndex(df['date']).quarter

要生成Quarter Aging列，实现动态对比当前季度与过往季度的差值（当前季度为0，每往前一个季度值减1），可以按以下方式计算：

核心思路 #

将每个日期的季度转换为「年度+季度」的总序号（如2022-Q4对应2022*4+4=8092），再用该序号减去当前日期的总季度序号，得到的结果就是Quarter Aging值。

代码实现 #

方式一：分步计算（清晰直观）

# 从date列提取年份
df['Year'] = pd.DatetimeIndex(df['date']).year

# 计算每条记录的总季度序号
df['Total_Quarter'] = df['Year'] * 4 + df['Quarter']

# 获取当前日期的总季度序号
current_time = pd.Timestamp.now()
current_total = current_time.year * 4 + current_time.quarter

# 生成Quarter Aging列
df['Quarter Aging'] = df['Total_Quarter'] - current_total

方式二：一行代码合并（简洁高效）

无需创建中间列，直接计算：

df['Quarter Aging'] = (pd.DatetimeIndex(df['date']).year * 4 + pd.DatetimeIndex(df['date']).quarter) - (pd.Timestamp.now().year * 4 + pd.Timestamp.now().quarter)

自定义基准季度 #

如果不需要用系统当前时间作为基准，而是固定某个季度（比如示例中的2022-Q4），可以手动设置基准值：

# 固定基准为2022-Q4
base_total = 2022 * 4 + 4
df['Quarter Aging'] = (pd.DatetimeIndex(df['date']).year *4 + pd.DatetimeIndex(df['date']).quarter) - base_total

验证示例 #

当基准为2022-Q4时，计算结果完全符合预期：

• 2022-Q4 → 0
• 2022-Q3 → -1
• 2021-Q4 → -4
• 2018-Q1 → (20184+1) - (20224+4) = 8073 - 8092 = -19

内容的提问来源于stack exchange，提问作者Yash