求助：用Python实现CAN总线日志按秒分组并转宽表格式

先看个原始CSV的例子，方便理解转换逻辑：

原始日志示例：
Timestamp,Can ID,data,datalength
2024-05-20 12:00:01,0x123,010203,6
2024-05-20 12:00:01,0x456,0405,4
2024-05-20 12:00:02,0x123,060708,6
2024-05-20 12:00:02,0x789,09,2

下面是直接能用的Python代码，用Pandas完成转换：

import pandas as pd

# 读取原始CAN日志CSV，记得把文件名换成你自己的
df = pd.read_csv('can_log.csv', parse_dates=['Timestamp'])

# 核心转换：把Timestamp设为行，Can ID设为列，填充对应data值
# 要是同一秒同一个Can ID有多条数据，这里用'last'取最后一条，按需换成'first'取第一条
pivoted_df = df.pivot_table(
    index='Timestamp',
    columns='Can ID',
    values='data',
    aggfunc='last'
)

# 把Timestamp从索引转成普通列（可选，不想转就删掉这行）
pivoted_df = pivoted_df.reset_index()

# 把缺失值换成空字符串（可选，默认是NaN，觉得看着别扭就加这行）
pivoted_df = pivoted_df.fillna('')

# 保存成新的CSV文件，文件名自己改
pivoted_df.to_csv('formatted_can_log.csv', index=False)

关键步骤说明 #

• parse_dates=['Timestamp']：确保时间戳被正确识别为日期格式，避免后续转换出问题
• pivot_table：这一步是核心，帮你把行和列重新排列，aggfunc用来处理重复数据，比如同一秒同一ID有多个data的情况，选合适的聚合方式就行
• fillna('')：把没有数据的单元格换成空字符串，比默认的NaN看着清爽

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