如何用Python从时间序列数据生成符合要求的二维数组？

我有一个含4列的大型时间序列数据集：Time A B C。希望从中生成一个新的二维数组，要求如下：

• 行数由A的唯一值数量（x轴）决定，列数由B的唯一值数量（y轴）决定
• 行列值按升序排列，单元格填充对应的C值（z轴）
• 无对应值时填充None，存在多个对应值时填充平均值

背景说明：想用这些数据通过Plotly绘制等高线图，需尽量减少该类图表固有的插值操作，None值将显示为空白。同时需要为A（x轴）和B（y轴）定义对应的二维数组，想知道是否有Python函数可轻松实现此需求，无需手动指定唯一值数量。

最终使用pandas的pivot_table函数，通过aggfunc参数设置重复值的处理方式，代码如下：

import pandas as pd
import numpy as np
import plotly.graph_objects as go

pivot_table = pd.pivot_table(df, values='C', index='B', columns='A', aggfunc=np.mean)

z_values = pivot_table.values
x_values = pivot_table.columns.values
y_values = pivot_table.index.values

self.fig.add_trace(go.Contour(x=x_values, y=y_values, z=z_values, connectgaps=False))

说明：

• pd.pivot_table会自动按A、B的唯一值升序排列生成二维表，缺失值默认填充NaN（Plotly会将其识别为空白，和需求的None效果一致）
• aggfunc=np.mean实现了多值取平均的要求
• 直接从透视表中提取columns、index和values即可得到Plotly等高线图所需的x、y、z数组

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