如何从Pandas DataFrame中按年份提取行并转为列

我有一个以Pandas datetime类型为索引的DataFrame，包含2004年至2015年的温度极值数据（实际数据约16万行），简化版示例如下：

|     id        |    data_c
------------|---------------|---------------
date        |               |
2005-01-01  | USW00004848   | -17.777778
2005-01-02  | USC00207320   | 65.555556
2005-01-03  | USC00207320   | -23.888889
2006-01-01  | USW00014833   | -42.222222
2006-01-02  | USW00014833   |  0.555556
2006-12-31  | USC00200032   | -11.666667
2007-12-29  | USC00205050   | -27.222222
2007-12-30  | USC00208202   | -17.777778
2007-12-31  | USC00201250   | -21.111111
2008-12-3   | USC00200230   | -27.222222
2008-01-4   | USW00004848   | -17.777778
2008-01-5   | USC00207320   | 65.555556
2009-01-01  | USC00207320   | -23.888889
2009-01-02  | USW00014833   | -42.222222
2009-01-03  | USW00014833   | 0.555556
2010-12-3   | USC00200032   | -11.666667
2010-12-4   | USC00205050   | -27.222222
2010-12-5   | USC00208202   | -17.777778

我希望按年份提取行数据，并将对应值作为新列添加到同一个DataFrame中，最终效果如下：

2005         2006         2007        2008         2009
                
0   -17.777778   -42.222222   -27.222222  -27.222222   -23.888889
1    65.555556    0.555556    -17.777778   -17.777778  -42.222222
2   -23.888889   -11.666667   -21.111111   65.555556   0.555556

已知可以通过df.index.year==2005逐年手动筛选添加列，但想找更简便的方法。

可以利用Pandas的groupby结合cumcount生成组内序号，再用pivot完成列转行的操作，步骤如下：

1. 提取索引的年份作为新列year
2. 为每个年份内的行生成连续序号idx（用于后续转列时对齐）
3. 使用pivot将年份转为列，序号作为索引，data_c作为值

完整代码：

import pandas as pd

# 假设你的DataFrame名为df
df['year'] = df.index.year
df['idx'] = df.groupby('year').cumcount()
result = df.pivot(index='idx', columns='year', values='data_c')

# 如果需要去掉列名的名称（即"year"这个表头），可以加上：
result.columns.name = None

print(result)

代码说明： #

• df.index.year直接从datetime索引提取年份，无需手动判断
• groupby('year').cumcount()为每个年份组内的行从0开始计数，保证同一年份的行按原有顺序生成序号
• pivot函数自动将不同年份的data_c值按序号对齐，生成目标格式的DataFrame
• 最后去掉列名的名称是为了和你期望的输出格式一致

这种方法无需手动遍历年份，代码简洁且效率高，适合处理大体积数据（比如你的16万行数据）。

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