Pandas中如何对两个季度列做减法,提取得到整数的季度间隔数?
核心原理
两个季度粒度的pandas Period列直接做减法,返回的是封装后的QuarterEnd类型DateOffset对象,而非原生整数。这类对象的偏移季度数存储在内部属性中,无法直接作为整数使用,需要针对性提取对应数值。
可落地的实现方案
- 方案一:直接提取DateOffset内置计数
每个QuarterEnd类型的Offset对象,存储的间隔季度数对应n属性,直接调用即可获得纯整数结果,无需生成中间列:
计算完成后字段类型为# 替换原period_number计算逻辑 df_cohort['period_number'] = (df_cohort['End Quarter'] - df_cohort['Cohort']).dt.nint64,输出值与预期完全匹配,计算效率最高。 - 方案二:整数编码差值计算(跨版本兼容)
若因pandas版本差异导致属性提取失败,可先将两个季度Period列转换为全周期整数编码,再做差得到间隔数,从根源避免生成Offset对象:
该方法不依赖pandas内部Offset的实现逻辑,跨版本运行结果完全一致,不会出现格式解析错误。# 按 年份*4 + 季度序号 生成每个季度的唯一整值编码 df_cohort['Cohort_code'] = df_cohort['Cohort'].apply(lambda p: p.year * 4 + p.quarter) df_cohort['EndQuarter_code'] = df_cohort['End Quarter'].apply(lambda p: p.year * 4 + p.quarter) # 整数差值即为两个季度之间流逝的季度总数 df_cohort['period_number'] = df_cohort['EndQuarter_code'] - df_cohort['Cohort_code'] # 清理临时中间列 df_cohort = df_cohort.drop(columns=['Cohort_code', 'EndQuarter_code'])
内容的提问来源于stack exchange,提问作者relephant
相关产品推荐
相关产品推荐

