如何使用Pandas透视DataFrame：将日期行转换为日期列？

嘿，这个需求刚好是pandas擅长的宽表/长表转换场景，用pivot方法就能一步到位！我给你拆解具体步骤：

1. 先构造测试数据（方便你复现） #

首先把你提供的原始数据用pandas构造出来，这样你可以直接运行测试：

import pandas as pd

# 你的原始DataFrame
df = pd.DataFrame({
    'date': ['2020-12-24', '2020-12-24', '2020-12-25', '2020-12-25'],
    'time': ['17:01:00', '17:00:00', '17:01:00', '17:00:00'],
    'price': [10, 11, 11, 12]
})

2. 核心转换代码 #

用pivot方法指定行、列、值的对应关系，再做一点点格式调整：

# 执行转换：time作为行，date转成列，price填充单元格
result = df.pivot(index='time', columns='date', values='price').reset_index()

# 去掉列名的层级标签，让表头和目标格式一致
result.columns.name = None

# 如果需要和目标格式的time顺序完全匹配（17:01在前，17:00在后），可以加排序
result = result.sort_values('time', ascending=False).reset_index(drop=True)

3. 最终结果 #

运行后你会得到和目标完全一致的DataFrame：

time  2020-12-24  2020-12-25
0  17:01:00          10          11
1  17:00:00          11          12

简单解释下参数： #

• index='time'：指定把time列作为结果的行
• columns='date'：把date列的唯一值转成结果的列
• values='price'：用price的值填充对应的单元格
• reset_index()：把time从行索引变回普通列，符合目标格式
• sort_values：调整行的顺序，和你给出的目标完全对齐

内容的提问来源于stack exchange，提问作者Denly