You need to enable JavaScript to run this app. Python实现类季度字符串格式转换或年份、季度列拆分
优惠活动
大模型
产品
解决方案
定价
更多

Python实现类季度字符串格式转换或年份、季度列拆分

两类处理方向的Python(Pandas)实现方案

前置说明:示例默认使用Pandas处理结构化表格,原始待处理列名为quarter_raw,存储值为20181、20182、20183、20184这类4位年份+1位季度的编码格式,兼容字符串型或数值型的原始值。

方向1:转换为2018Q1、2018Q2的标准季度展示格式

  • 纯字符串拼接实现(逻辑直观,无额外转换开销)
    # 先统一转字符串类型避免数值截取错误,拼接生成标准展示格式
    df['standard_quarter'] = (df['quarter_raw'].astype(str).str[:4] 
                               + 'Q' 
                               + df['quarter_raw'].astype(str).str[-1])
    
  • 基于Pandas内置Period类型实现(适配后续时间序列运算需求)
    # 解析生成季度周期对象,自动支持季度跨度计算、时间排序等操作
    df['quarter_period'] = pd.PeriodIndex(
        year=df['quarter_raw'].astype(str).str[:4].astype(int),
        quarter=df['quarter_raw'].astype(str).str[-1].astype(int),
        freq='Q'
    )
    # 如需字符串格式展示,可直接将Period对象转字符串
    df['standard_quarter'] = df['quarter_period'].astype(str)
    

方向2:拆分为独立的年份、季度两列存储

  • 基于字符串截取的拆分实现(大表场景下运行效率最高)
    # 拆分生成独立列,转成整数类型方便后续聚合、计算
    df['year'] = df['quarter_raw'].astype(str).str[:4].astype(int)
    df['quarter'] = df['quarter_raw'].astype(str).str[-1].astype(int)
    

选型参考:如果后续需要按年、按季度独立做分组筛选、维度聚合,拆分独立列的灵活度最高;如果需要直接做时间维度的连续排序、跨期差计算,优先选择Period类型的季度格式转换方案。

内容的提问来源于stack exchange,提问作者IsabelleL

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.07 08:06:05