如何为含坐标与时间戳的Pandas DataFrame创建多重索引？

没问题，这其实是Pandas里处理宽表转长表+多重索引的经典场景，我来一步步帮你搞定：

你的当前DataFrame是宽格式：行对应y坐标（0-229），列对应x坐标（0-639）+ 时间戳ts。要做多重索引，首先得把它转成长格式，让每一行对应一个(ts, y, x)组合和对应的温度值val。

假设单个帧的DataFrame叫df_single，执行以下代码：

import pandas as pd

# 1. 把行索引（也就是y坐标）转成单独的列
df_single = df_single.reset_index().rename(columns={'index': 'y'})

# 2. 用melt将x坐标列（0-639）拆成行，保留y、ts和温度值
df_long = df_single.melt(
    id_vars=['y', 'ts'],  # 要保留的列
    var_name='x',         # 原来的x列名会变成这个列的取值
    value_name='val'      # 温度值的列名
)

# 3. 把x列转成整数类型（原来的列名是字符串，比如'0'，转成int更方便索引）
df_long['x'] = df_long['x'].astype(int)

# 可选：把ts转成datetime类型，方便后续按时间筛选
df_long['ts'] = pd.to_datetime(df_long['ts'])

现在长格式的DataFrame已经有了ts、y、x三列，直接设置它们为多重索引即可。索引顺序可以根据你的查询习惯调整：

# 如果你更常先按时间戳查询，再找坐标：
df_multi = df_long.set_index(['ts', 'y', 'x'])

# 如果你更常先按坐标查询，再看不同时间的数值：
# df_multi = df_long.set_index(['y', 'x', 'ts'])

当你有多个同结构的帧（每个帧都按上面的步骤转成了长格式），直接用pd.concat拼接就行：

# 假设你已经处理好了多个长格式DataFrame：df_long1, df_long2, df_long3...
all_frames = [df_long1, df_long2, df_long3]
combined_df = pd.concat(all_frames).set_index(['ts', 'y', 'x'])

# 可选：对索引排序，让查询更高效
combined_df = combined_df.sort_index()

现在你可以轻松定位任意坐标+时间戳的数值了：

• 查询坐标(2, 0)在所有时间戳的数值（如果索引是['y', 'x', 'ts']）：

  combined_df.loc[(2, 0)]
  

• 查询坐标(2, 0)在所有时间戳的数值（如果索引是['ts', 'y', 'x']）：

  combined_df.xs((2, 0), level=['y', 'x'])
  

• 查询特定时间戳下(2, 0)的数值：

  combined_df.loc[('2024-05-20 12:00:00', 2, 0)]
  

内容的提问来源于stack exchange，提问作者Alex Pab