将pandas dataframe中H1/H2等小时列数据转换为datetime与value两列序列

完全不需要写for循环，用pandas原生melt+时间拼接的向量化操作即可实现，性能远高于循环实现，具体方案如下：

步骤说明 #

1. 用melt方法将H1~H24的列从宽格式转为长格式
2. 提取小时列的数字标识，和原始日期列拼接为完整的datetime字段
3. 筛选保留需要的字段并按时间排序

完整代码 #

import pandas as pd

# 这里df替换为你自己的原始DataFrame
result = (
    # 宽转长：保留日期列，展开所有H开头的小时列
    df.melt(
        id_vars="date",  # 如果你原始日期列的名称不是date，这里替换成实际列名
        var_name="hour_tag",
        value_name="value"
    )
    # 提取小时数值、拼接完整时间
    .assign(
        hour = lambda x: x["hour_tag"].str.removeprefix("H").astype(int),
        datetime = lambda x: pd.to_datetime(x["date"]) + pd.to_timedelta(x["hour"], unit="h")
    )
    # 保留目标字段、按时间排序
    .loc[:, ["datetime", "value"]]
    .sort_values("datetime", ignore_index=True)
)

补充说明 #

• 如果你的小时列命名不是严格的H1到H24，调整melt的value_vars参数指定要展开的列即可
• 如果原始日期列已经是datetime类型，pd.to_datetime(x["date"])可以直接简化为x["date"]
• 如果业务定义H24对应当天23:00而非次日00:00，在计算hour的时候减1即可：hour = lambda x: x["hour_tag"].str.removeprefix("H").astype(int) - 1

内容的提问来源于stack exchange，提问作者Makas