将字典数组转换为以毫秒级Unix时间戳为索引的DataFrame

需求说明 #

需要把给定的字典数组转换为Pandas DataFrame，要求：

• 以ts字段（毫秒级Unix时间戳）作为索引
• 将原value列重命名为自定义字符串（示例为SomeParam）
• 最终结果仅保留索引和目标列，不能出现默认整数索引和重复的ts列

输入数据 #

[
    {'ts': 1669246574000, 'value': '6.06'}, 
    {'ts': 1669242973000, 'value': '6.5'}
]

解决代码 #

import pandas as pd

# 加载输入数据
data = [
    {'ts': 1669246574000, 'value': '6.06'}, 
    {'ts': 1669242973000, 'value': '6.5'}
]

# 转换并格式化DataFrame
df = pd.DataFrame(data) \
    .set_index('ts') \
    .rename(columns={'value': 'SomeParam'}) \
    .sort_index()

# 打印结果
print(df)

代码解释 #

• pd.DataFrame(data)：将字典数组转换为基础DataFrame
• .set_index('ts')：将ts字段设为索引，自动移除默认整数索引，同时避免ts列重复出现
• .rename(columns={'value': 'SomeParam'})：将原value列重命名为目标列名
• .sort_index()：按ts索引从小到大排序，与示例输出格式匹配

输出结果 #

SomeParam
ts                        
1669242973000          6.5
1669246574000        6.06

内容的提问来源于stack exchange，提问作者devaskim