如何用Python将时间序列转为展示各元素出现次数的两列DataFrame

方法1：基于Pandas实现 #

逻辑简单，4行代码即可完成需求，自动适配不同长度的行，无需手动处理缺失值：

import pandas as pd

# 替换为你的实际文件路径
df = pd.read_csv("data.txt", sep=r"\s+", header=None)
# 排除每行第一个时间索引列，展平所有数值后统计频次，按数值升序排序
res = df.iloc[:, 1:].stack().value_counts().sort_index()
# 输出为空格分隔的两列格式
print(res.to_csv(sep=" ", header=False))

逻辑说明： #

• iloc[:, 1:] 跳过每行第一个时间索引列，符合你给出的示例统计规则
• stack() 将不规则的多列数据压缩为一维Series，自动忽略空值
• value_counts() 直接统计每个数值的出现次数
• sort_index() 按数值升序排列，和示例输出顺序一致

方法2：基于Numpy实现 #

适合偏好Numpy工具栈的场景：

import numpy as np

# 替换为你的实际文件路径
lines = np.genfromtxt("data.txt", dtype=str, delimiter="\n")
all_nums = []
for line in lines:
    # 拆分每行转为整数，跳过第一个索引值
    nums = list(map(int, line.split()))[1:]
    all_nums.extend(nums)
# 去重并统计频次，默认按数值升序返回
values, counts = np.unique(all_nums, return_counts=True)
# 打印输出
for v, c in zip(values, counts):
    print(v, c)

两种方法运行你提供的示例数据，输出结果和预期完全一致。

内容的提问来源于stack exchange，提问作者ejl62