本文详解如何使用 Pandas 将时间序列列按自然季度（Q1/Q2/Q3）自动分组求和，并将季度小计列精准插入原始数据表中，保持列顺序正确、格式统一（如 Q1'24），兼容最新版 pandas（≥2.1.4）。
本文详解如何使用 pandas 将时间序列列按自然季度（q1/q2/q3）自动分组求和，并将季度小计列精准插入原始数据表中，保持列顺序正确、格式统一（如 `q1'24`），兼容最新版 pandas（≥2.1.4）。
在数据分析中，常需将月度数据聚合为季度小计（Subtotal），并以“原列 + 对应季度列”交替形式展示（如：2024-03-01 → Q1'24，2024-04-01/2024-05-01/2024-06-01 → Q2'24）。Pandas 提供了简洁高效的向量化方案，核心在于利用 DatetimeIndex.to_period('Q') 进行季度对齐与分组聚合。
✅ 推荐实现（适配 pandas ≥2.1.4）
import pandas as pd
# 假设 df 是您的原始 DataFrame（part 为索引，日期字符串为列名）
df.columns = pd.to_datetime(df.columns) # 将列名转为 datetime 类型
df_t = df.T # 转置：使日期成为索引，便于按季度分组
# 按季度分组求和，得到季度小计 Series（索引为 Period，值为各 part 的季度和）
quarter_sums = df_t.groupby(df_t.index.to_period('Q')).sum().T
# 合并原始数据与季度小计（concat 沿列 axis=1）
out = pd.concat([df, quarter_sums], axis=1)
# 关键：按季度逻辑排序列（Q1'24, 2024-03-01, 2024-04-01, ..., Q2'24, ...）
# 使用 PeriodIndex 排序确保 Q1 < Q2 < Q3，且原日期列按时间先后嵌入对应季度后
out = out.sort_index(
axis=1,
key=lambda x: pd.PeriodIndex(
[col if isinstance(col, pd.Period) else pd.to_datetime(col) for col in x],
freq='Q'
)
)
# 格式化列名：Period 列 → 'Q1'24'，datetime 列保持原样
out.columns = [
col.strftime("Q%q'%y") if isinstance(col, pd.Period) else col
for col in out.columns
]? 输出效果说明
- 每个季度小计列（如 Q1'24）紧邻其覆盖的第一个月份列（2024-03-01），符合示例中的布局；
- Q1'24 仅包含 2024-03-01（因 3 月属 Q1），而 Q2'24 包含 2024-04/05/06 三列之和；
- 列顺序严格按时间逻辑排列：2024-03-01 → Q1'24 → 2024-04-01 → 2024-05-01 → 2024-06-01 → Q2'24 → ...。
⚠️ 注意事项
- 列名必须可解析为日期：确保原始列名为标准日期字符串（如 '2024-03-01'），否则 pd.to_datetime() 会报错；
- 避免重复列名：若原始数据已存在 Q1'24 等列，concat 可能引发冲突，建议先检查 df.columns;
- 性能提示：对超大宽表（>1000 列），sort_index(..., key=...) 效率优于手动构建排序列表；
- 扩展性：如需年度小计，将 'Q' 替换为 'Y'，格式化改为 col.strftime("FY%y") 即可。
此方法完全向量化、无循环，代码简洁鲁棒，是生产环境中处理时间维度小计的标准实践。
