如何使用Python Pandas将年月分离的均价数据转换为日期-均价结构

假设你的CSV文件读取后的DataFrame为行索引是年份、列是月份的宽表结构，可通过以下步骤完成格式转换：

import pandas as pd

# 1. 读取CSV，指定第一列为行索引（如果年份是单独列则去掉index_col=0）
df = pd.read_csv('your_file.csv', index_col=0)

# 2. 将年份索引转为普通列
df = df.reset_index().rename(columns={'index': 'Year'})

# 3. 用melt将宽表转成包含年月和价格的长表
df_long = df.melt(id_vars='Year', var_name='Month', value_name='Avg_Price')

# 4. 合并年月并生成datetime格式列
# 先转成标准datetime类型，再按需格式化为"1980-Jan"样式
df_long['DateTime'] = pd.to_datetime(df_long['Year'].astype(str) + '-' + df_long['Month'], format='%Y-%b')
df_long['DateTime'] = df_long['DateTime'].dt.strftime('%Y-%b')

# 5. 整理最终列结构
final_df = df_long[['DateTime', 'Avg_Price']].dropna()  # 可选：删除空值行

常见问题排查 #

• 若之前用melt失败，大概率是没把年份索引转为普通列，或id_vars参数指定错误
• 确保月份列名是标准英文缩写（Jan/Feb等），否则pd.to_datetime会报错，可手动补充月份映射或调整format参数适配你的数据格式
• 如果CSV里的年份本身就是普通列，直接跳过第二步的reset_index，把id_vars设为对应的年份列名即可

内容的提问来源于stack exchange，提问作者RockyRose