to_datetime：

df.date = pd.to_datetime(df.date)

字符串

PeriodIndex

df['quarter'] = pd.PeriodIndex(df.date, freq='Q')

         date quarter
s1 2018-03-22  2018Q1
s2 2018-03-22  2018Q1
s1 2018-06-22  2018Q2
s2 2018-06-22  2018Q2
s1 2018-09-22  2018Q3
s2 2018-09-22  2018Q3

型

Series.dt.to_period

import pandas as pd
df['date'] = pd.to_datetime(df['date'])

df['quarter'] = df['date'].dt.to_period('Q')

         date quarter
s1 2018-03-22  2018Q1
s2 2018-03-22  2018Q1
s1 2018-06-22  2018Q2
s2 2018-06-22  2018Q2
s1 2018-09-22  2018Q3
s2 2018-09-22  2018Q3

字符串

datecolumn.dt.quarter功能会有所帮助。

df.date = pd.to_datetime(df.date)
df["Quarter"] = df.date.dt.quarter

字符串

Pandas有一个方法可以帮助你，它叫做pd.PeriodIndex(monthcolumn, freq= 'Q')。你可能需要先使用datetime libray将你的month列转换为数据类型。
Pandas还有一个名为'to_date'的方法，可以用来将列转换为日期列。
举例来说：

df["year"] = pd.to_date(df["year"])

字符串

只需提取日期字符串的月份部分。季度可以通过(month - 1) // 3 + 1简单地获得。
因为你的数据是一个字典，其'date'键是(\d{1:2})/(\d{1:2})/(\d\d)形式的str，所以你可以得到日期的“月”部分（第一组），将其转换为int，然后使用(month - 1) // 3 + 1得到季度。
提取日期字符串的月份部分可以使用正则表达式或简单的字符串切片来完成。因此，季度范围从1到4，并由以下公式确定：

• m // 3对于0 <= m <= 2为0（Q1）
• 对于3 <= m <= 5，m // 3为1（Q2）
• 对于6 <= m <= 8，m // 3为2（第3季度）
• 对于9 <= m <= 11，m // 3为3（第4季度）

其中m = month - 1

.date不起作用，因为它是 Dataframe 的函数。

df_q8['Date'] = pd.to_datetime(df_q8['Date'])
df_q8['quarter'] = pd.PeriodIndex(df_q8['Date'] ,freq='Q')

字符串

提取季度数的一种方法如下。

In [56]: datetime.date.today()
Out[56]: datetime.date(2021, 10, 20)

In [57]: ts = pd.Timestamp(datetime.date.today()).quarter

In [58]: ts
Out[58]: 4

字符串