resample('Q')默认按自然季度末对齐（如3月31日），且以12月为财年末；需用'QS-APR'等适配中国财年，必须链式调用聚合方法并注意索引类型与性能优化。
resample('Q') 默认按自然季度，不是财年季度
Python中resample('Q')默认以12月为财年末，即Q1是1–3月、Q2是4–6月……这是很多业务场景不匹配的起点。如果你的数据要按4–6月算Q1（比如中国财年），直接用'Q'会错位。
实操建议：
- 用
'QS-APR'表示“从4月开始的季度起始”，对应中国常用财年；'QS-JUL'对应7月起始的财年 -
resample('Q-DEC')和resample('Q')等价，但显式写出来更易读 - 注意
resample要求索引是DatetimeIndex，否则报错TypeError: Only valid with DatetimeIndex, TimedeltaIndex or PeriodIndex
resample后必须跟聚合操作，不能只调用resample()
常见错误是写了df.resample('Q')就以为完成了，结果返回的是一个Resampler对象，不是DataFrame，后续取值或绘图全报错。
实操建议：
- 必须链式调用聚合方法，如
.sum()、.mean()、.agg({'sales': 'sum', 'profit': 'mean'}) - 如果原数据有非数值列（比如
product_name），默认会被丢弃；需用.agg()显式保留，例如.agg({'sales': 'sum', 'product_name': 'first'}) - 空时间区间默认返回NaN，若想填0，加
.fillna(0)，但注意这会掩盖真实缺失
时间对齐：resample('Q') 默认按季度末对齐
resample('Q')生成的时间戳是每季度最后一天（如2024-03-31、2024-06-30），不是第一天。这会影响你后续做merge或plot时的横轴显示。
实操建议：
- 用
label='left'让标签对齐到季度初：df.resample('Q', label='left').sum()→ 时间戳变成2024-01-01、2024-04-01 - 用
closed='left'控制区间闭合方向，尤其当原始数据含毫秒级时间且跨天时，会影响某条记录归入哪个季度 - 如果原始索引是
PeriodIndex（比如用to_period('D')转过），resample不支持，得先转回DatetimeIndex
性能注意：大表+resample容易OOM或卡死
对千万行以上带时间索引的DataFrame直接resample('Q').sum()，可能触发Pandas内部全量重采样，内存翻倍甚至崩溃。
实操建议：
- 先确保索引已排序且唯一：
df = df.sort_index().drop_duplicates()，否则resample行为未定义 - 考虑降频前先用
df.loc['2020':'2024']切片，避免加载无关年份 - 极端情况改用
pd.Grouper(freq='Q')配合groupby，它在某些版本中内存更友好，写法是df.groupby(pd.Grouper(freq='Q')).sum()
时间精度和对齐方式这两个点，最容易在交接给BI或导出报表时暴露问题——比如财务说“Q2应是4月1日开始”，而你图表里标着6月30日，没人会去查文档，只会说“数据错了”。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
