如何在 Python 中映射/分类日期？

Question

我有一个显示公司季度财务公告日期的 DataFrame。问题是数据被错误地映射/分类。 MSFT 和 TSLA 是这些扭曲行的示例。如您所见，这些行缺少被跳过的数据，因此被映射到较早的日期（MSFT）。而在 TSLA 中，前几列是第一行的重复。

APPL 和 FACE 是一个正确的示例，其中 dat3 列和行日期彼此相似。

Company_Name  Q1 2012  Q2 2012 Q3 2012 ..... Q4 2019
APPL  15022012 16052012 20082012 13112012 ........ 12122019 
FACE  23022012 12052012 22082012 13112012 ........ 20122019 
MSFT  22022019 11052019 24082019 11112019
TSLA  15022012 15022012 15022012 13112012 ........ 20122019 

我计划对日期进行映射/分类，以便每列都有适当的日期。即

Q1 --> 010220XX - 010520XX
Q2 --> 010520XX - 010820XX
Q3 --> 010820XX - 011120XX
Q4 --> 011120XX - 010220(XX+1)

非常感谢您的帮助。

图片显示原始 csv 数据。列是每年的季度，单元格上的日期对应于该季度公司财务的公告日期 [1]：https://i.stack.imgur.com/QUlWy.png

Answer 1

代码：

import pandas as pd
df = pd.read_csv("t.csv", index_col=None)

df_transpose = df.T
df_transpose = df_transpose[1:]
df_transpose

idx = df_transpose.index.values
idx = [i.split('20')[0] for i in idx]
idx

df_transpose['index'] = idx
df2 = df_transpose.set_index('index')
df2

df3 = tuple(df2.groupby('index')) 

df_final = pd.DataFrame()

for i in df3:
    p = i[1][0:1]
    q = i[1][1:2]
    row = pd.concat([p, q], axis=1, ignore_index=True, sort=False)
    df_final = df_final.append(row)

df_final

图片