如何将Pandas DataFrame长表转换为按时间对齐的宽表结构

你需要的是典型的长表转宽表操作，直接用Pandas内置的pivot方法即可快速实现。

步骤1：示例原始数据（可跳过，用于验证效果） #

import pandas as pd

# 模拟你描述的原始表结构
df = pd.DataFrame({
    "Nombre": ["totalVehiculos", "totalVelocidad", "totalVehiculos", "totalVelocidad"],
    "Valor": [123, 62, 147, 58],
    "Fecha": ["2024-05-01", "2024-05-01", "2024-05-02", "2024-05-02"]
})

步骤2：核心转换代码 #

无重复数据场景（同一Fecha下同一个Nombre只有一行） #

# 按Fecha分组，将Nombre的取值转为列名，对应Valor为列值
df_wide = df.pivot(index="Fecha", columns="Nombre", values="Valor").reset_index()
# 可选：调整列顺序为你要求的顺序
df_wide = df_wide[["Fecha", "totalVehiculos", "totalVelocidad"]]

存在重复数据场景（同一Fecha下同一个Nombre有多行） #

如果你的原始数据存在同一时间同一指标有多条记录的情况，用pivot_table指定聚合规则即可，示例为求和聚合，你可以根据需求替换为'mean'/'max'等：

df_wide = df.pivot_table(
    index="Fecha", 
    columns="Nombre", 
    values="Valor", 
    aggfunc="sum"
).reset_index()

转换完成后的df_wide就是你需要的结构：每一行对应唯一时间点，列依次为Fecha、totalVehiculos、totalVelocidad。

内容的提问来源于stack exchange，提问作者Adrian