如何使用Python将pandas数据集datetime转换为季度并按location分组

你当前的代码已经完成了日期转季度的核心逻辑，只需要调整两处即可达到预期效果：

1. 格式化季度字符串时把原代码里的.替换为空格，匹配你需要的Q1 22格式
2. 格式转换完成后按location字段分组去重即可（同个location下的季度值统一，取第一个、最小值等规则均可）

完整可运行代码如下：

# 转换列为日期格式
df['start'] = pd.to_datetime(df['start'])
df['end'] = pd.to_datetime(df['end'])

# 转换为指定格式的季度字符串
df['start'] = pd.PeriodIndex(df['start'], freq='Q').strftime('Q%q %y')
df['end'] = pd.PeriodIndex(df['end'], freq='Q').strftime('Q%q %y')

# 按location分组去重，得到最终结果
result_df = df.groupby('location', as_index=False).first()

如果你的实际业务中存在同个location跨多个季度的情况，需要取该位置的最早开始季度和最晚结束季度，可以把分组逻辑调整为：

result_df = df.groupby('location', as_index=False).agg(
    start=('start', 'min'),
    end=('end', 'max')
)

内容的提问来源于stack exchange，提问作者Lynn