如何用Pandas将多设备时间序列数据按列转成行？

问题描述 #

我从系统获取了一段时间范围内的多设备读数数据，日期时间为单独一列，每个设备的读数各占一列，示例DataFrame如下：

Date/Time        DEVICE_1    DEVICE_2
 01/01  01:00:00  10.141667   8.807851

希望将其转换为扁平化格式：每个设备列转为一行，包含相同的时间戳、设备名称和对应数值，示例输出如下：

Date/Time        Name     Value    
01/01  01:00:00  DEVICE_1 10.141667
01/01  01:00:00  DEVICE_2 8.807851

若有10个设备，每个时间戳对应的行需拆分为10行，每行对应一个设备，要求用Pandas实现且避免循环操作。

解决方案 #

完全可以用Pandas内置的melt()函数实现，这是专门用于宽表转长表的高效工具，无需手动循环，处理大量设备数据时性能优势明显。

代码示例

假设你的原始DataFrame名为df，执行以下代码即可完成转换：

import pandas as pd

# 构造示例数据（实际使用时替换为你的原始数据）
data = {
    'Date/Time': ['01/01  01:00:00'],
    'DEVICE_1': [10.141667],
    'DEVICE_2': [8.807851]
}
df = pd.DataFrame(data)

# 执行宽转长操作
flattened_df = df.melt(
    id_vars=['Date/Time'],  # 保留作为标识的时间戳列
    var_name='Name',        # 转换后设备名称列的表头
    value_name='Value'      # 转换后读数数值列的表头
)

print(flattened_df)

输出结果

Date/Time      Name      Value
0  01/01  01:00:00  DEVICE_1  10.141667
1  01/01  01:00:00  DEVICE_2   8.807851

参数说明

• id_vars：指定不需要被转换的列（这里是时间戳列），每行的该列值会自动重复对应到每个设备的行中。
• var_name：设置原设备列名转换后的新列名，对应示例中的Name。
• value_name：设置原设备读数转换后的新列名，对应示例中的Value。

无论你有10个还是更多设备，这个方法都能一次性完成转换，完全不需要循环操作。

内容的提问来源于stack exchange，提问作者berimbolo