如何在Pandas中将动态列映射的时间序列数据对齐至固定团队列

问题背景 #

原始数据是交替排列的时间值行和列映射行：

• 索引为偶数的行（0、2、4...）是实际的时间与分数数据，但列名随排名变化，不再对应固定团队
• 索引为奇数的行（1、3...）是对应下一行数据的列名映射，说明当前列对应的实际团队

原始数据示例：

需要转换为固定列名（按Team A/B/C）的结构，让每个团队的分数对应到固定列：

解决方案 #

推荐创建新的DataFrame处理，避免破坏原始数据。具体步骤如下：

1. 构造示例数据 #

先模拟原始的DataFrame：

import pandas as pd

data = [
    ["14:00:00", "2pts", "0pts", "0pts"],
    ["time", "Team B", "Team A", "Team C"],
    ["14:01:00", "3pts", "2pts", "0pts"],
    ["time", "Team B", "Team A", "Team C"],
    ["14:02:00", "3pts", "2pts", "2pts"]
]
df = pd.DataFrame(data, columns=["time", "Team A", "Team B", "Team C"])

2. 拆分值行与映射行 #

把数据分成实际的时间分数行，和列名映射行：

# 提取带时间的数值行
value_rows = df[df["time"] != "time"].reset_index(drop=True)
# 提取映射行（去掉time列，只保留团队映射）
map_rows = df[df["time"] == "time"].drop("time", axis=1).reset_index(drop=True)

3. 处理每行数据，对齐到固定列 #

遍历每个需要调整的值行，根据对应的映射行重新分配分数，最后合并结果：

# 初始化结果列表，先加入第一行（无需映射）
result = [value_rows.iloc[0].to_dict()]

# 从第二行开始处理，每个值行对应一个映射行
for i in range(1, len(value_rows)):
    # 当前值行的数据（去掉time）
    current_values = value_rows.iloc[i].drop("time")
    # 对应的映射行（列位置 -> 团队名称）
    current_map = map_rows.iloc[i-1]
    # 构建新的行：时间 + 按固定团队列对齐的分数
    new_row = {
        "time": value_rows.iloc[i]["time"],
        **dict(zip(current_map, current_values))
    }
    result.append(new_row)

# 转换为最终DataFrame
final_df = pd.DataFrame(result)
# 按固定列顺序排序（可选，确保列顺序正确）
final_df = final_df[["time", "Team A", "Team B", "Team C"]]

4. 查看结果 #

运行后final_df就是目标结构：

time Team A Team B Team C
0  14:00:00   2pts   0pts   0pts
1  14:01:00   2pts   3pts   0pts
2  14:02:00   2pts   3pts   2pts

关键说明 #

• 用新DataFrame处理更安全，原始数据可保留用于核对
• 若团队数量多或数据量大，该方法依然适用，核心是通过映射行建立列位置和团队的对应关系
• 若映射行和值行的对应关系有变化，只需调整循环中的索引逻辑即可

内容的提问来源于stack exchange，提问作者user25994325