过滤从当前季度开始到本月末数据所属的 pandas 数据框中的行答案

【问题标题】：Filter rows in pandas dataframe where data belong from start of current quarter till the end of current month过滤从当前季度开始到本月末数据所属的 pandas 数据框中的行
【发布时间】：2020-10-05 04:42:08
【问题描述】：

我正在尝试调整我的数据框以查找季度至今 (QTD) 行。在下面的数据中，我的年份从 2 月开始，所以当我说 QTD 时，我的意思如下：

Quarter Months
1       Feb, Mar, Apr
2       May, Jun, Jul
3       Aug, Sep, Oct
4       Nov, Dec, Jan

Sample Dataframe:
Quarter Month   Data    Value
1       1       A       100             
1       2       B       134             
1       3       C       145             
2       4       D       156             
2       5       E       167             
2       6       F       178             
3       7       G       123             
3       8       H       112             
3       9       I       187             
4       10      J       132             
4       11      K       109             
4       12      L       121

对于当前情况，假设我的当前月份是 9 月，已过滤的数据应仅包含 8 月至 9 月的行。

我可以使用下面的函数来确定季度，但这需要从一月份开始。

def current_quarter(dt):
    prev_quarter_map = ((4, -1), (1, 0), (2, 0), (3, 0))
    quarter, yd = prev_quarter_map[(dt.month - 1) // 3]
    return (quarter)

有没有办法只过滤从当前季度开始到当月结束的那些行？

【问题讨论】：

您的 current_quarter() 错误地为 current_quarter(datetime.fromisoformat('2020-03-28')) 提供 4。我弄错了吗？
@BillHuang ：不，我刚刚意识到，该功能没有按预期工作。致力于此
此外，我不知道您想要采用什么输入（日期？数据框？还是没有，只为每一行输入？），以及预期的输出是什么（一个数据框？还是每行一个数据框？）。你能详细说明一下吗？否则不可行....
另外，有年份栏吗？或者数据已经按时间顺序排序了？否则，对于 1 月，可能无法区分“今年”和“去年”的 12 月的数据......
此函数的输入将是datetime.date(2015, 1, 13) 格式的日期。获得所需的输出后，我可以使用它来过滤数据框。例如，数据框将仅包含该财政年度 2 月至 1 月的数据。它不会有任何前一年的数据

标签： python pandas dataframe datetime

【解决方案1】：

想法是按从February 开始的季度创建字典，然后按月份使用Series.map，并按日期时间boolean indexing 过滤now 从字典dq 转换为您的季度：

q = [[2,3,4],[5,6,7],[8,9,10],[11,12,1]]
dq = {x: k for k, v in enumerate(q, 1) for x in v}
print (dq)
{2: 1, 3: 1, 4: 1, 5: 2, 6: 2, 7: 2, 8: 3, 9: 3, 10: 3, 11: 4, 12: 4, 1: 4}

now = dq[pd.to_datetime('now').month]
print (now)
3

df1 = df[df['Month'].map(dq) == now]
print (df1)
   Quarter  Month Data  Value
7        3      8    H    112
8        3      9    I    187
9        4     10    J    132

如果需要按其他日期时间过滤：

date = datetime.date(2015, 1, 13)
now = dq[date.month]
print (now)
4

df1 = df[df['Month'].map(dq) == now]
print (df1)
    Quarter  Month Data  Value
0         1      1    A    100
10        4     11    K    109
11        4     12    L    121

编辑：在上面的解决方案中不区分年份季度，因此添加了新的解决方案 tseries.offsets.QuarterBegin：

#add year column
print (df)
    Quarter  Month Data  Value  Year
0         1      1    A    100  2020
1         1      2    B    134  2020
2         1      3    C    145  2020
3         2      4    D    156  2020
4         2      5    E    167  2020
5         2      6    F    178  2020
6         3      7    G    123  2020
7         3      8    H    112  2020
8         3      9    I    187  2020
9         4     10    J    132  2020
10        4     11    K    109  2020
11        4     12    L    121  2020

#convert columns to datetimes and convert to datetime for start oq quarter

df['Q'] = (pd.to_datetime(df[['Month','Year']].assign(Day=1)) + 
           pd.offsets.QuarterBegin(0, startingMonth=2))
print (df)
    Quarter  Month Data  Value  Year          Q
0         1      1    A    100  2020 2020-02-01
1         1      2    B    134  2020 2020-02-01
2         1      3    C    145  2020 2020-05-01
3         2      4    D    156  2020 2020-05-01
4         2      5    E    167  2020 2020-05-01
5         2      6    F    178  2020 2020-08-01
6         3      7    G    123  2020 2020-08-01
7         3      8    H    112  2020 2020-08-01
8         3      9    I    187  2020 2020-11-01
9         4     10    J    132  2020 2020-11-01
10        4     11    K    109  2020 2020-11-01
11        4     12    L    121  2020 2021-02-01

还被 QuarterBegin 添加到 datetime 和 last fitler 中：

date = datetime.date(2020, 1, 13)
custom_q = (date + pd.offsets.QuarterBegin(0, startingMonth=2))
print (custom_q)
2020-02-01 00:00:00


df1 = df[df['Q'] == custom_q]
print (df1)
   Quarter  Month Data  Value  Year          Q
0        1      1    A    100  2020 2020-02-01
1        1      2    B    134  2020 2020-02-01

【讨论】：