如何用Pandas实现列转行并保留数据值（含时间维度转换）

步骤拆解 #

要实现目标结构，核心是先宽表转长表拆分小时列，再长表转宽表将Variable转为列名，具体分四步：

1. 拆分小时列：用melt把H01-H24的宽格式转为长格式，保留date、Variable、station_code作为标识列，把小时列名和对应值拆成两列。
2. 生成datetime列：从小时列名中提取小时数，和date组合成完整的datetime格式。
3. 重塑表格结构：用pivot将Variable的取值转为列名，对应填充小时值，同时保留station_code。
4. 整理最终结构：重置索引，让datetime和station_code回到列的位置。

代码实现 #

假设原始DataFrame名为df，具体代码如下：

import pandas as pd

# 1. 宽表转长表，拆分小时列
melted_df = df.melt(
    id_vars=['date', 'Variable', 'station_code'],
    value_vars=[f'H{i:02d}' for i in range(1, 25)],  # 自动生成H01到H24列名
    var_name='hour_label',
    value_name='variable_value'
)

# 2. 提取小时数并生成datetime列
melted_df['hour'] = melted_df['hour_label'].str.extract(r'(\d+)').astype(int)
melted_df['datetime'] = pd.to_datetime(melted_df['date']) + pd.to_timedelta(melted_df['hour'], unit='h')

# 3. 长表转宽表，将Variable转为列名
pivoted_df = melted_df.pivot(
    index=['datetime', 'station_code'],
    columns='Variable',
    values='variable_value'
).reset_index()

# 清理列名层级（可选操作）
pivoted_df.columns.name = None

关键细节说明 #

• melt的value_vars用列表推导式生成列名，避免手动输入所有H01-H24。
• 用正则(\d+)提取小时数，确保从H01到H24都能正确获取1-24的整数。
• 生成datetime时，先将date转为datetime类型再加小时差，比字符串拼接更稳定。
• 若存在同一datetime+station_code+Variable的重复值，建议替换为pivot_table并指定aggfunc（如aggfunc='mean'）做聚合处理。

内容的提问来源于stack exchange，提问作者JuMoGar