如何将汽车销量DataFrame转换为时间序列建模格式并生成日期列？

假设你的原始DataFrame是年份作为行索引，月份作为列名的结构（比如行是2020、2021，列是1月、2月...），可以按以下步骤转换为适合时间序列建模的格式：

1. 重置索引，把年份转为单独列 #

如果年份是DataFrame的索引，先把它转成普通列，方便后续合并日期：

import pandas as pd

# 假设原数据存放在df里
df = df.reset_index().rename(columns={'index': '年份'})

2. 重塑数据，把月份列转为行记录 #

用melt方法把宽表转成窄表，每一行对应一个月的销量：

# 重塑后会生成三列：年份、月份、销量
melted_df = df.melt(id_vars='年份', var_name='月份', value_name='红色汽车销量')

3. 合并年份和月份，生成标准日期列 #

先把中文月份转成数字格式，再和年份拼接成日期字符串，最后转成datetime类型：

# 中文月份转数字的映射字典
month_map = {'1月': '01', '2月': '02', '3月': '03', '4月': '04', '5月': '05', '6月': '06',
             '7月': '07', '8月': '08', '9月': '09', '10月': '10', '11月': '11', '12月': '12'}

# 替换月份为数字格式
melted_df['月份'] = melted_df['月份'].map(month_map)
# 拼接成年-月的字符串，再转成日期类型
melted_df['日期'] = pd.to_datetime(melted_df['年份'].astype(str) + '-' + melted_df['月份'])

4. 整理成最终的时间序列格式 #

保留日期和销量列，按日期排序：

final_df = melted_df[['日期', '红色汽车销量']].sort_values('日期').reset_index(drop=True)

最终的final_df就是每行对应一个月度日期+销量的格式，直接可以用于时间序列建模。

内容的提问来源于stack exchange，提问作者NIVEA