如何在Python Pandas的SQL查询中比较日期与年度季度(yyyyQQ)？

嘿，这个需求我之前做过好几次，其实不用太麻烦——Pandas本身就有现成的工具可以搞定，当然如果想自己实现也很简单，我给你一步步讲清楚：

一、用Pandas内置方法快速实现（推荐） #

首先要确保你的「审核日期」列是datetime类型，如果还不是的话，先转一下：

import pandas as pd

# 转换日期列类型（如果还不是datetime的话）
df['审核日期'] = pd.to_datetime(df['审核日期'])

接下来，Pandas的dt访问器里有个to_period('Q')方法，可以直接把日期转成季度周期对象，再转成字符串就是yyyyQq的格式了：

# 生成季度格式字符串列
df['审核季度'] = df['审核日期'].dt.to_period('Q').astype(str)

现在就可以直接用这个列做筛选了，筛选2016年第四季度及之后的数据：

filtered_df = df[df['审核季度'] >= '2016Q4']

甚至可以不用生成新列，直接在筛选条件里写，更简洁：

filtered_df = df[df['审核日期'].dt.to_period('Q').astype(str) >= '2016Q4']

二、Python标准库自定义实现（如果需要自己写逻辑） #

Python标准库的datetime模块没有直接生成yyyyQq格式的函数，但我们可以自己写一个简单的函数来实现：

from datetime import datetime

def date_to_quarter_str(date):
    # 计算季度：1-3月→Q1，4-6→Q2，以此类推
    quarter = (date.month - 1) // 3 + 1
    return f"{date.year}Q{quarter}"

如果是Pandas的Series，用apply方法调用这个函数就行：

# 注意如果列是datetime类型才能直接传进去，否则先转类型
df['审核季度'] = df['审核日期'].apply(date_to_quarter_str)

小提示 #

• 优先用Pandas的dt.to_period方法，因为它是向量化操作，处理大数据量的时候比apply快很多；
• 字符串格式的季度（比如2016Q4）是可以直接按字典序比较的，因为年份在前，季度在后，逻辑和日期大小一致。

内容的提问来源于stack exchange，提问作者singularity2047