如何在Pandas中将多时间戳行转换为特定时间多度量单行

假设你的原始数据结构如下（datetime 为包含日期+分钟的时间戳列，price 为股价列）：

import pandas as pd

# 示例数据
data = {
    'datetime': ['2024-05-20 11:59:00', '2024-05-20 12:00:00', '2024-05-20 14:00:00',
                 '2024-05-21 12:00:00', '2024-05-21 14:00:00', '2024-05-21 14:01:00'],
    'price': [100.1, 100.3, 101.2, 102.5, 103.0, 103.1]
}
df = pd.DataFrame(data)
df['datetime'] = pd.to_datetime(df['datetime'])

处理步骤 #

1. 拆分日期与时间字段
   从时间戳中提取纯日期和时分格式的时间：

   df['date'] = df['datetime'].dt.date  # 提取日期（如2024-05-20）
   df['time'] = df['datetime'].dt.strftime('%H:%M')  # 提取时分（如12:00）
   

2. 筛选目标时间点
   定义需要保留的时间点列表，过滤数据：

   target_times = ['12:00', '14:00']
   filtered_df = df[df['time'].isin(target_times)]
   

3. 透视转换为宽表
   使用 pivot_table 重塑数据，若同一天同一时间有多个数据，可通过 aggfunc 指定聚合规则（比如取最后一条记录的股价）：

   result_df = filtered_df.pivot_table(
       index='date',
       columns='time',
       values='price',
       aggfunc='last'  # 可选：'mean' 取平均，'first' 取第一条
   ).reset_index()
   
   # 重命名列名（可选，让列名更直观）
   result_df.columns = ['date', 'price_1200', 'price_1400']
   

最终结果示例 #

date  price_1200  price_1400
0  2024-05-20       100.3       101.2
1  2024-05-21       102.5       103.0

注意事项 #

• 如果原始数据中存在某日期缺少目标时间点的情况，结果中对应列会显示 NaN，可通过 fillna() 方法填充默认值（如前一日数据或0）。
• 若时间戳包含秒数（如12:00:00），提取时分时需调整格式为 %H:%M:%S 或统一截断到分钟级。

内容的提问来源于stack exchange，提问作者user19563956