Python如何将月度数据集按季度求均值生成指定起始季度的新DataFrame

首先确保你已经安装了pandas库，可直接运行以下代码：

import pandas as pd

# 1. 读取源数据，根据你的文件格式替换读取方法（支持csv/excel/json等）
# 示例为读取csv文件，若为其他格式可对应调整
source_df = pd.read_csv("你的源数据文件路径.csv")

# 可选：如果value列为字符串格式，先转为数值型
# source_df['value'] = pd.to_numeric(source_df['value'], errors='coerce')

# 2. 每连续4条月度数据为一组，计算每组value的均值
quarter_value = source_df['value'].groupby(source_df.index // 4).mean()

# 3. 生成从1947Q3开始的250个季度标识，格式为「年份 Q季度」
quarter_index = pd.period_range(start='1947Q3', periods=250, freq='Q').strftime('%Y Q%q')

# 4. 构建最终的结果DataFrame
result_df = pd.DataFrame(
    data={'value': quarter_value.values},
    index=quarter_index
)

# 可选：导出结果到csv
# result_df.to_csv("季度均值结果.csv")

注意事项 #

• 运行前必须确认源数据的行顺序是按时间从早到晚排序，否则分组计算的均值会匹配到错误的季度
• 如果你的源数据条数不是刚好1000条，可对应调整period_range中的periods参数，参数值等于源数据总行数整除4的结果

内容的提问来源于stack exchange，提问作者userom12