如何使用Pandas重构含小时时间列与日期列的DataFrame

步骤说明 #

你的需求是将宽格式的DataFrame（小时列+多日期列）转换为长格式的日期时间+数值结构，可通过Pandas的melt函数结合日期时间拼接实现，具体步骤如下：

代码实现 #

import pandas as pd

# 读取数据（替换为你的本地文件路径或对应读取方式）
df = pd.read_excel("数据文件.xlsx")  # 若为CSV格式则改用pd.read_csv

# 1. 重塑数据：将多日期列转为行数据
melted_df = df.melt(
    id_vars="小时",  # 保留小时列作为标识
    var_name="日期",  # 原日期列的列名转为"日期"列的取值
    value_name="数值"  # 原单元格的值存入"数值"列
)

# 2. 合并日期与小时为完整日期时间
# 若日期/小时格式特殊，可添加format参数指定解析规则，例如format="%Y/%m/%d %H:%M"
melted_df["日期时间"] = pd.to_datetime(melted_df["日期"] + " " + melted_df["小时"])

# 3. 整理最终结果：调整列顺序、按时间排序并重置索引
result_df = melted_df[["日期时间", "数值"]].sort_values("日期时间").reset_index(drop=True)

效果说明 #

执行上述代码后，result_df的结构将与目标输出一致：每行对应一个完整的日期时间戳，以及该时间点对应的数值，且数据按时间顺序排列。

内容的提问来源于stack exchange，提问作者Tayzer Damasceno