在 pandas DataFrame 中按季节对月份的列进行子集

Question

我有一组从 Excel 工作表中提取的数据。其中一列是日期，所以我使用df.to_datetime() 重新格式化数据。我的数据只有每个月的第一天，字符串格式是：

“20190101”

所以只有 12 个日期。

然后我使用 pd.pivot 将这一列日期设为列标签。 现在的计划是按季节对列进行子集化（例如，一月、二月、十二月是冬季）。我只有 2019 年的数据，但我将在未来几年使用此代码。我将参加去年 12 月，所以我需要忽略这些年份。

如何根据月份对列进行子集化。换句话说，我想将 DataFrame 划分为：

for column in full_df.iterrows()
    If (column_label.datetime.month = 01 | column_label.datetime.month = 02 |column_label.datetime.month = 12):
        winter_df[datetime.month] = full_df[column_label]

我知道 for 循环在 Dataframe 中不受欢迎，我知道我可以通过将其保留为字符串并输入特定字符串来对其进行硬编码，但数据不会每次都来自同一年，我会每年都要调整代码。 如何为列标签执行 if 语句？ df.filter() 可能是个好主意，但我不知道日期时间对象是否可行。

附：如果我的问题形成得不好或者我不明白你的答案，请原谅我。对熊猫来说相当陌生。

更新：我希望根据月份将 DataFrame 分成三个，三个时间段如下： 冬季：1月、2月、12月 轻载：三月、四月、五月 夏季：六月、七月、八月、九月

Answer 1

根据您的描述，这达到了您想要的效果

1. 将一个季度归类为一个季节
2. “pivots”实际上转换为列格式

更新

pandas 似乎有一个条件可以给出错误的季度。可以改为从月份的整数除法计算

df = df.assign(season=lambda x: x["Date"].apply(lambda s: ["winter","spring","summer","autumn"][(s.month-1)//3]))

import datetime as dt
import pandas as pd
import random
df = pd.DataFrame([{"Date":d, "Value": random.randint(10,20)} 
 for d in pd.date_range(dt.datetime(2018,1,1),dt.datetime(2019,3,1), freq="MS")])

df = df.assign(season=lambda x: x["Date"].apply(lambda s: ["winter","spring","summer","autumn"][s.quarter-1]))
df = df.set_index(["season","Date"]).T

输出

season     winter                           spring                           summer                           autumn                           winter                      
Date   2018-01-01 2018-02-01 2018-03-01 2018-04-01 2018-05-01 2018-06-01 2018-07-01 2018-08-01 2018-09-01 2018-10-01 2018-11-01 2018-12-01 2019-01-01 2019-02-01 2019-03-01
Value          10         20         12         17         12         12         11         20         11         19         12         10         11         20         14