如何在Pandas中将DataFrame按日期聚合并将指定行数转换为列？

这个需求我之前处理过，用reshape或melt确实不太贴合场景，试试groupby+cumcount+pivot的组合方案，完美适配你的需求！

步骤1：给每个日期组内的行添加序号 #

首先得给每个timestamp分组里的每一行分配一个组内序号，这样后续才能把这些行对应到top1、top2...top25的列上。用cumcount()就能轻松实现，它默认从0开始计数，所以我们加1让序号从1开始：

import pandas as pd

# 假设你的原始DataFrame名为df
df['rank'] = df.groupby('timestamp')['title'].cumcount() + 1

这一步后，你的数据会变成这样的结构：

步骤2：用pivot实现行转列 #

接下来用pivot方法把行转成列，指定索引为timestamp，列是刚生成的rank（还要把列名改成top N的格式），值就是title：

# 执行行转列操作
result_df = df.pivot(index='timestamp', columns='rank', values='title')

# 重命名列，把1、2...25改成top1、top2...top25的格式
result_df.columns = [f'top {col}' for col in result_df.columns]

# 可选：把timestamp从索引转回普通列
result_df = result_df.reset_index()

最终结果验证 #

运行完上面的代码，你就能得到完全符合预期的DataFrame：

额外补充 #

• 如果数据集里存在某日期行数不等于25的情况，pivot会自动在缺失位置填充NaN，你可以用result_df.fillna('')把空值替换成空字符串，或者根据业务需求做其他处理。
• 这个方案完全适配大规模数据（数年的日期数据），pandas的这些方法效率很高，不用担心性能问题。

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