python - 基于模式和应用函数的更 pandorean 方式来合并列

Question

我想知道是否有更好的方法来根据重复模式对列进行分组，然后应用函数。简单版本是我有按月计算的数据，但想要按季度计算。为了到达那里，我需要每 3 个月进行一次并应用 mean()

    RegionName  State   1997-01 1997-02 1997-03 1997-04 1997-05 1997-06
1   Los Angeles CA      83      19      40      47      76      48
2   Chicago IL          39      87      48      3       71      18
3   Philadelphia    PA  60      85      8       46      81      48

期望的结果是:

    RegionName  State   1997q1      1997q2
1   Los Angeles CA      47.33333333 57
2   Chicago     IL          58          30.66666667
3   Philadelphia    PA  51          58.33333333

我有一个非常 hacky 的方式来使用 python 循环和预制的数字阶梯列表:

quartersbyendingdigit = {'1':'q1', '4':'q2', '7':'q3', '0':'q4'}
rl = list(range(2, housingdf.shape[1], 3))
for each in rl:
    og_column = housingdf.columns[each]
    new_column = og_column[:4] + quartersbyendingdigit[ og_column[-1] ]
    housingdf[new_column] = (housingdf[housingdf.columns[each]] + housingdf[housingdf.columns[each+1]] + housingdf[housingdf.columns[each+2]])/3

我不得不想象 Pandas 有更好的方法来做到这一点，因为它的模式非常明显。

Answer 1

您可以将日期时间列转换为季度周期，然后使用 axis = 1 按列对数据帧进行分组；

df.set_index(["RegionName", "State"], inplace=True)    
df.columns = pd.to_datetime(df.columns).to_period("Q")    
df.groupby(level = 0, axis = 1).mean().reset_index()