Pandas按id和日期分组补全时间步转固定列宽表的方法

你原有代码无法生成固定5列的核心原因有两点：

• 没有提前补全每个id+日期分组下缺失的固定时间步，直接按实际存在的时间点做透视
• 透视时使用带日期的完整时间戳作为列维度，不同日期的同个时间点会被识别为独立列，最终列数随数据动态变化

import pandas as pd
from itertools import product

# 预处理时间字段
df['date'] = pd.to_datetime(df['date'])
df['dates'] = df['date'].dt.date

# 定义规则要求的5个固定时间步
fixed_time_list = [
    pd.to_datetime('06:00:00').time(),
    pd.to_datetime('06:15:00').time(),
    pd.to_datetime('06:30:00').time(),
    pd.to_datetime('06:45:00').time(),
    pd.to_datetime('07:00:00').time()
]

# 生成所有(id、日期、固定时间)的完整组合索引
all_id = df['id'].unique()
all_date = df['dates'].unique()
full_combination = pd.DataFrame(
    product(all_id, all_date, fixed_time_list),
    columns=['id', 'dates', 'time']
)
full_combination['full_datetime'] = pd.to_datetime(
    full_combination['dates'].astype(str) + ' ' + full_combination['time'].astype(str)
)

# 左连接原数据，缺失时间步的val值自动填充为NaN
df_complete = full_combination.merge(
    df[['id', 'date', 'val']],
    left_on=['id', 'full_datetime'],
    right_on=['id', 'date'],
    how='left'
)

# 透视得到固定5列结果
final_df = df_complete.pivot(index=['id', 'dates'], columns='time', values='val')
final_df.columns = [f'val{i+1}' for i in range(5)]
final_df = final_df.reset_index()

运行后输出的final_df会固定包含id、dates、val1~val5共7列：

• val1对应当天6:00的数值
• val2对应当天6:15的数值
• val3对应当天6:30的数值
• val4对应当天6:45的数值
• val5对应当天7:00的数值
  缺失的时间步对应位置自动填充为NaN，和示例数据的预期完全匹配。

内容的提问来源于stack exchange，提问作者Sadcow