Pandas将年份、月份整数列转换为Datetime并计算季度平均值的问题

你之前的代码仅向pd.to_datetime传入了单独的月份整数列，pandas默认会将这类整数识别为自1970-01-01 00:00:00起的纳秒时间戳，因此会得到全是1970年的错误日期结果。

有两种常用方案可以实现需求：

方案1：先转datetime再提取季度（适合后续还要做其他时间相关计算的场景） #

# 组合year、month列生成标准日期列，默认补1号作为日
df['date'] = pd.to_datetime(df[['year', 'month']].assign(day=1))
# 从日期列提取季度
df['Quarter Q'] = df['date'].dt.quarter
# 按年份、季度分组计算data列的平均值
result = df.groupby(['year', 'Quarter Q'], as_index=False)['data'].mean()

方案2：直接通过整数运算计算季度（更高效，不需要生成日期列） #

# 公式：(月份-1)整除3 +1，直接得到所属季度
df['Quarter Q'] = (df['month'] - 1) // 3 + 1
# 分组求平均值
result = df.groupby(['year', 'Quarter Q'], as_index=False)['data'].mean()

如果需要和示例格式对齐小数位数，可以在求均值后加.round(9)调整精度，最终result的输出就和期望结果一致。

内容的提问来源于stack exchange，提问作者user2100039