使用Pandas转换数据集：将多特征表转为时序目标变量表

核心步骤说明 #

要完成格式转换，只需两步：生成指定范围的小时级时间序列，再将原表的Feature 1列与时间序列绑定成新数据框。

代码实现 #

1. 导入Pandas并生成时间序列

import pandas as pd

# 生成2000-01-01 00:00:00至2017-12-31 23:00:00的小时级时间序列
time_series = pd.date_range(
    start='2000-01-01 00:00:00',
    end='2017-12-31 23:00:00',
    freq='H'  # H代表小时频率
)

2. 创建目标时序表格
   假设原数据存储在名为original_df的DataFrame中，执行以下代码：

# 初始化新DataFrame
target_df = pd.DataFrame({
    'Date/Time': time_series,
    'Target Variable': original_df['Feature 1'].values
})

# 处理长度不匹配的情况
# 若原数据行数少于时间序列，用NaN填充空缺
if len(original_df) < len(time_series):
    target_df.loc[len(original_df):, 'Target Variable'] = pd.NA
# 若原数据行数多于时间序列，截断多余行
elif len(original_df) > len(time_series):
    target_df = target_df.iloc[:len(time_series)]

可选调整 #

如果需要对空缺值进行填充而非保留pd.NA，可以使用Pandas的填充方法：

# 前向填充（用前一个有效值填充）
target_df['Target Variable'] = target_df['Target Variable'].ffill()

# 或后向填充（用后一个有效值填充）
target_df['Target Variable'] = target_df['Target Variable'].bfill()

内容的提问来源于stack exchange，提问作者Don