转置亚日尺度气候数据：5分钟步长降水数据格式转换需求

我有一份CSV格式的5分钟步长降水数据，结构如下：

DateTime,PR00,PR05,PR10,PR15,PR20,PR25,PR30,PR35,PR40,PR45,PR50,PR55
12/31/2013 0:00,0,0.4,0.6,0,0,0,0,0,0,0.2,0.6,0
12/31/2013 1:00,0,0.4,0.4,0.2,0.6,0.6,1.2,0.4,0,0.2,0,0.4
12/31/2013 2:00,0,0,0,0,0,0,0,0,0,0,0,0
12/31/2013 3:00,0,0,0,0,0,0,0,0,0,0,0,0
12/31/2013 4:00,0,0.2,0,0,0,0,0,0.2,0,0,0,0
12/31/2013 5:00,0,0,0,0,0,0,0,0,0,0,0,0
12/31/2013 6:00,0,0,0,0,0,0,0,0,0,0,0,0

其中第一列为1小时步长的日期时间，其余列对应每小时内5分钟间隔的降水记录。需要将其转换为包含**日期时间（Date）和降水（Precip）**两列的DataFrame，目标格式示例如下：

Date,Precip
12/31/2013 0:00,0
12/31/2013 0:05,0.4
12/31/2013 0:10,0.6
12/31/2013 0:15,0
12/31/2013 0:20,0
12/31/2013 0:25,0
12/31/2013 0:30,0
12/31/2013 0:35,0
12/31/2013 0:40,0
12/31/2013 0:45,0.2
12/31/2013 0:50,0.6
12/31/2013 0:55,0
...

使用Pandas可快速完成数据格式转换，具体实现如下：

完整代码 #

import pandas as pd

# 读取CSV文件并解析日期时间列
df = pd.read_csv('your_file.csv', parse_dates=['DateTime'])

# 将宽表转为长表，拆分每小时内的5分钟降水记录
melted_df = df.melt(id_vars='DateTime', var_name='MinuteTag', value_name='Precip')

# 从列名中提取分钟偏移量（如PR00→0分钟）
melted_df['Minutes'] = melted_df['MinuteTag'].str.extract(r'(\d+)').astype(int)

# 计算精确的5分钟时间戳
melted_df['Date'] = melted_df['DateTime'] + pd.to_timedelta(melted_df['Minutes'], unit='minutes')

# 整理目标列并按时间排序
result_df = melted_df[['Date', 'Precip']].sort_values('Date').reset_index(drop=True)

# 可选：将日期格式化为示例中的字符串样式
result_df['Date'] = result_df['Date'].dt.strftime('%m/%d/%Y %H:%M')

# 查看转换结果
print(result_df.head(12))

代码说明 #

• melt函数将原始宽表结构转为长表，把每一行的12个降水值拆分为独立行
• 通过正则表达式从PRxx列名中提取分钟数，结合pd.to_timedelta生成精确的5分钟时间偏移
• 最后筛选目标列并按时间排序，得到符合要求的DataFrame

如果需要导出为CSV文件，添加以下代码：

result_df.to_csv('converted_precip.csv', index=False)

内容的提问来源于stack exchange，提问作者Rancho