如何在Pandas中将YYYYQQ格式季度数据转换为标准日期索引？

嘿，这个场景我太熟悉了！Python标准库的datetime.strptime确实不支持%q这个季度格式码，但Pandas本身就提供了非常简洁的解决方案，完全不用手动拼接日期或者写循环处理。下面给你两种最常用的优雅方法：

方法1：直接用pd.to_datetime转换（推荐） #

Pandas的to_datetime函数扩展了格式支持，直接识别%Y%q格式，我们只需要把你的YYYYQQ格式数据转成字符串，再指定格式，最后转成季度末的Timestamp即可：

import pandas as pd

# 假设你的数据列是整数或字符串类型
series['date'] = pd.to_datetime(series['date'].astype(str), format='%Y%q').dt.to_period('Q').dt.end_time

• 第一步：把数值型的日期（比如200101）转成字符串'200101'
• 第二步：用format='%Y%q'告诉Pandas这是“年份+季度”的格式
• 第三步：dt.to_period('Q')转成季度周期对象，再用dt.end_time获取该季度的最后一天（也就是你要的2001-03-31这种格式）

方法2：用PeriodIndex直接转换 #

如果你更习惯用周期对象来处理，pd.PeriodIndex也是个非常简洁的选择：

series['date'] = pd.PeriodIndex(series['date'].astype(str), freq='Q').to_timestamp(how='end')

• PeriodIndex会直接把'200101'识别为2001年第1季度的周期
• to_timestamp(how='end')把周期对象转成该季度最后一天的Timestamp

为什么不用你之前的date_range？ #

你之前处理月度数据时用date_range是因为要生成连续的月度序列，但季度数据的话，直接转换每个原始日期值更准确——万一你的数据有缺失或者不连续，date_range会生成连续序列反而不符合原始数据的对应关系。

这两种方法都能完美实现你的需求：把200101转成2001-03-31，201504转成2015-12-31，而且代码简洁易读，完全符合“优雅处理”的要求~

内容的提问来源于stack exchange，提问作者Mike