Python处理ASCII小时数据：宽表转长表及按日时排序问题

嘿，我来帮你搞定这个问题！咱们一步步拆解你遇到的两个问题，重点解决排序的坑。

先回顾下你的场景 #

你的ASCII文件是制表符分隔的，第一列是日期ID（对应最终的day列），后面跟着24列以H1、H2...H24命名的小时数据，目标是转成day、hour、val的长表格式。

第一个问题：KeyError: 'day' #

你已经通过指定sep='\t'解决了这个问题，本质是因为Pandas默认用逗号作为分隔符，而你的文件是制表符分隔的，导致读入时列识别错误，melt自然找不到day列。这里再补个小提醒：读文件时最好明确指定列名（如果文件第一行是列名的话），比如：

import pandas as pd
# 读入文件，指定制表符分隔
df = pd.read_csv('your_data.txt', sep='\t')
# 如果第一列的列名不是'day'，记得重命名
df.rename(columns={'原日期列名': 'day'}, inplace=True)

重点问题：小时列按字典序排序（H1→H10→H2...） #

这个坑是因为H1、H10这些是字符串类型，Pandas默认按字典序排序——简单说就是逐个字符比，H1的第二个字符是1，H10的第二个字符也是1，第三个字符是0，而H2的第二个字符是2，所以H10会排在H2前面。

有两种简单的解决方法：

方法1：提取小时数字，转整数后排序

先从hour列里提取出数字部分，转成整数，用这个整数列来排序，之后可以删掉它：

# 先执行melt转长表
melted_df = df.melt(id_vars=['day'], var_name='hour', value_name='val')

# 提取小时的数字，转为整数
melted_df['hour_num'] = melted_df['hour'].str.extract('(\d+)').astype(int)

# 按day和hour_num排序，然后删掉临时列
sorted_df = melted_df.sort_values(by=['day', 'hour_num']).drop(columns=['hour_num'])

# 可选：重置索引
sorted_df = sorted_df.reset_index(drop=True)

方法2：用sort_values的key参数直接排序（Pandas 1.1.0+支持）

如果你不想加临时列，可以用key参数自定义排序规则，直接对hour列的数字部分排序：

melted_df = df.melt(id_vars=['day'], var_name='hour', value_name='val')

# 直接排序，无需额外列
sorted_df = melted_df.sort_values(
    by=['day', 'hour'],
    key=lambda col: col.str.extract('(\d+)').astype(int)
)

这样处理后，小时列就会按照H1→H2→...→H24的正确顺序排列啦！

内容的提问来源于stack exchange，提问作者Nat