按自定义财季日期分组汇总DataFrame数值的技术咨询

核心思路 #

利用你定义的财季起始日期生成有序区间，通过pd.cut将DataFrame的日期映射到对应财季，再分组求和即可。

具体实现步骤 #

1. 整理财季起始日期为有序映射

把你分散定义的财季起始日期转换成带名称的有序列表，补充初始财季（F1Q17）以覆盖所有数据：

import pandas as pd
from datetime import date

# 原样本数据
begin_date = '2017-01-01'
values = [*range(2100)]
df = pd.DataFrame({'values': values,
                  'dates': pd.date_range(begin_date, periods=len(values))})

# 整理财季：(财季名称, 起始日期)，严格按时间顺序排列
fiscal_q_starts = [
    ("F1Q17", pd.to_datetime(begin_date)),
    ("F2Q17", pd.to_datetime(date(2017, 4, 1))),
    ("F3Q17", pd.to_datetime(date(2017, 7, 1))),
    ("F4Q17", pd.to_datetime(date(2017, 9, 30))),
    ("F1Q18", pd.to_datetime(date(2017, 12, 30))),
    ("F2Q18", pd.to_datetime(date(2018, 3, 31))),
    ("F3Q18", pd.to_datetime(date(2018, 6, 30))),
    ("F4Q18", pd.to_datetime(date(2018, 9, 29))),
    ("F1Q19", pd.to_datetime(date(2018, 12, 29))),
    ("F2Q19", pd.to_datetime(date(2019, 3, 30))),
    ("F3Q19", pd.to_datetime(date(2019, 6, 29))),
    ("F4Q19", pd.to_datetime(date(2019, 9, 28))),
    ("F1Q20", pd.to_datetime(date(2019, 12, 28))),
    ("F2Q20", pd.to_datetime(date(2020, 3, 28))),
    ("F3Q20", pd.to_datetime(date(2020, 6, 27))),
    ("F4Q20", pd.to_datetime(date(2020, 9, 26))),
    ("F1Q21", pd.to_datetime(date(2020, 12, 26))),
    ("F2Q21", pd.to_datetime(date(2021, 3, 27))),
    ("F3Q21", pd.to_datetime(date(2021, 6, 26))),
    ("F4Q21", pd.to_datetime(date(2021, 9, 25))),
    ("F1Q22", pd.to_datetime(date(2021, 12, 25))),
    ("F2Q22", pd.to_datetime(date(2022, 3, 26))),
    ("F3Q22", pd.to_datetime(date(2022, 6, 25))),
    ("F4Q22", pd.to_datetime(date(2022, 9, 25))),
]

# 生成区间边界：所有财季起始日期 + 数据最后日期（作为最后一个区间的结束）
q_bins = [q[1] for q in fiscal_q_starts] + [df['dates'].max()]
# 财季名称作为区间标签
q_labels = [q[0] for q in fiscal_q_starts]

2. 映射日期到财季并计算求和

使用pd.cut将每个日期分配到对应财季区间，再按财季分组求和：

# 给DataFrame添加财季列，左闭右开区间，include_lowest确保起始日期被包含
df['fiscal_quarter'] = pd.cut(df['dates'], bins=q_bins, labels=q_labels, include_lowest=True)

# 按财季分组求和，得到结果
quarterly_sum = df.groupby('fiscal_quarter')['values'].sum().reset_index()

# 打印结果
print(quarterly_sum)

关键细节 #

• 区间逻辑：pd.cut默认左闭右开，刚好匹配财季起始日期的定义（比如F2Q17包含2017-04-01及之后，直到F3Q17起始日之前）
• 类型统一：将datetime.date转换为pd.Timestamp，避免和DataFrame中dates列的类型冲突
• 全数据覆盖：补充初始财季和最后区间的结束日期，确保没有数据被遗漏

内容的提问来源于stack exchange，提问作者majorarc6