我有一个数据集，其中包含2000-2016年的每月GDP（按州和城市索引）。代表GDP的列以“年-月”格式表示，因此，例如，“ 2000-01”代表2000年1月。我试图按财政季度获得GDP，其中每个季度都是相应月份GDP的平均值。
这是数据帧的摘要（忽略这些值，因为它们仅用于示例）。
State City 2000-01 2000-02 2000-03 2000-04 2000-05 2000-06
Alabama Adamsville 1000 1005 1020 1119 1125 1000
Alabama Alabaster 1093 1312 1542 1624 1134 1953
Alabama Axis 18324 98174 14047 27343 43234 12434
我的预期输出如下（同样，这些值构成了）。例如，2000q1是列2000-01、2000-02和2000-03的平均值。
State City 2000q1 2000q2
Alabama Adamsville 1010 1006
Alabama Alabaster 1100 1750
Alabama Axis 15673 19849
我尝试了几种不同的方法，最著名的是：
由于输出数据帧将具有64个不同的季度，因此对于每个季度执行以下操作效率不高：
df['2000q1']=df[['2000-01', '2000-02', '2000-03']].mean(axis=1)
在另一种尝试中，我更改了所有列名称以表示它们应该分开的四分之一，从而导致每个四分之一三个相同的列名（但没有基础数据），如下所示。因为列名是相同的，所以我随后很难为每个三列相同的列名求平均值。
State City 2000q1 2000q1 2000q1 2000q2 2000q2 2000q2
Alabama Adamsville 1000 1005 1020 1119 1125 1000
Alabama Alabaster 1093 1312 1542 1624 1134 1953
Alabama Axis 18324 98174 14047 27343 43234 12434
最佳答案
我想我曾经在Coursera.com上处理过类似的问题。您可以尝试以下操作（假设数据框的名称为“ df”）：
df = (df.groupby(pd.PeriodIndex(df.columns, freq='Q'), axis=1).mean())
您将获得类似“ 2000Q1”的列名。如果要获取名称为“ 2000q1”，则可以尝试以下操作：
df = (df.groupby(pd.PeriodIndex(df.columns, freq='Q'), axis=1).mean().rename(columns=lambda c: str(c).lower()))
关于python - 如何从其他现有列的子集中创建一个新列？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/58245005/