如何使用pandas将参数行数据表转置为按DateTime分组的时间序列表

核心问题原因 #

你的原始数据中Value列是字符串类型，直接调用pivot_table的np.mean聚合函数无法对字符串做数值计算，是输出无预期列的主要原因。

正确实现代码 #

import pandas as pd
import numpy as np

# 读取数据后先做类型转换
df = pd.DataFrame(data=csv, columns = ['DateTime','TagName','Value'])
# 转换Value列为数值格式
df['Value'] = pd.to_numeric(df['Value'])

# 方案1：每个DateTime和TagName组合唯一时，直接用pivot更高效
res = df.pivot(index='DateTime', columns='TagName', values='Value').reset_index()

# 方案2：存在同组合多Value值时，用pivot_table指定聚合规则
res = df.pivot_table(index='DateTime', columns='TagName', values='Value', aggfunc=np.mean).reset_index()

补充说明 #

• 如果不需要把DateTime从索引转成普通列，删除代码末尾的.reset_index()即可
• 聚合规则可根据业务需求调整，例如aggfunc='first'取首次出现的值，aggfunc='sum'求和等

内容的提问来源于stack exchange，提问作者Gaetan