您可以将pd.PeriodIndex（...，freq='Q'）与groupby(..., axis=1)结合使用：

In [63]: df
Out[63]:
   1996-04  1996-05  2000-07  2000-08  2010-10  2010-11  2010-12
0        1        2        3        4        1        1        1
1       25       19       37       40        1        2        3
2       10       20       30       40        4        4        5

In [64]: df.groupby(pd.PeriodIndex(df.columns, freq='Q'), axis=1).mean()
Out[64]:
   1996Q2  2000Q3    2010Q4
0     1.5     3.5  1.000000
1    22.0    38.5  2.000000
2    15.0    35.0  4.333333

UPDATE：获取结果DF中的列作为字符串，而不是period dtype：

In [66]: res = (df.groupby(pd.PeriodIndex(df.columns, freq='Q'), axis=1)
                  .mean()
                  .rename(columns=lambda c: str(c).lower()))

In [67]: res
Out[67]:
   1996q2  2000q3    2010q4
0     1.5     3.5  1.000000
1    22.0    38.5  2.000000
2    15.0    35.0  4.333333

In [68]: res.columns.dtype
Out[68]: dtype('O')

只是为了添加到@MaxU上面的答案，将得到的PeriodIndex列转换回str，并在年份和季度号之间添加空格（即，1999 Q1，而不是1999Q1），可以这样做：

res = res.columns.to_series().astype(str)

如果你想让你的季度从四月而不是一月开始，那么你必须向参数'feq'传递稍微不同的值，即freq ='Q-MAR'，它将计算q1（四月到六月），q2（七月到九月），q3（十月到十二月）和q4（一月到三月）
enter image description here