You need to enable JavaScript to run this app. Pandas 按YYMMDD日期升转降分界点实现分组透视操作
优惠活动
大模型
产品
解决方案
定价
更多

Pandas 按YYMMDD日期升转降分界点实现分组透视操作

Pandas 实现多段交替日期块的透视逻辑

核心实现思路

按照数据原始行顺序,自动识别所有「YYMMDD从升序转为下降跳转」的切分点,给每一个连续升序的日期块打上唯一段编号,再基于YYMMDD、HHMM键做宽表透视,自动匹配同组跨段的数值生成带后缀的新列。逻辑会自动遍历所有行,直到没有新的升降交替切分点为止。

分步实现代码

  1. 构造示例输入
import pandas as pd

# 复现题目给出的示例原始数据
df = pd.DataFrame({
    'YYMMDD': [20180101, 20180101, 20201231, 20201231, 20201231, 20210101,
               20180101, 20180101, 20201231, 20201231, 20201231, 20210101],
    'HHMM': [100, 200, 2100, 2200, 2300, 0,
             100, 200, 2100, 2200, 2300, 0],
    'BestGuess(kWh)': [20, 70, 50, 90, 70, 40,
                       5, 7, 2, 3, 1, 4]
})
  1. 自动识别切分边界
# 计算相邻行YYMMDD的差值,首行补0
delta = df['YYMMDD'].diff().fillna(0)
# 差值小于0代表前一段升序结束,新分段开始,累计生成段编号
df['segment_id'] = (delta < 0).cumsum() + 1
  1. 执行透视并整理列名
# 按YYMMDD、HHMM为行键,段编号为列层级做透视
dfpivot = df.pivot_table(
    index=['YYMMDD', 'HHMM'],
    columns='segment_id',
    values='BestGuess(kWh)'
).reset_index()

# 重排列名,匹配输出格式
dfpivot.columns = ['YYMMDD', 'HHMM'] + [
    f'BestGuess(kWh)_{int(col)}' for col in dfpivot.columns[2:]
]

结果校验

运行上述代码后得到的dfpivot完全匹配题目给出的期望结构:

YYMMDD  HHMM  BestGuess(kWh)_1  BestGuess(kWh)_2
0     20180101   100                 20                  5
1     20180101   200                 70                  7
2     20201231  2100                 50                  2
3     20201231  2200                 90                  3
4     20201231  2300                 70                  1
5     20210101     0                 40                  4

注意事项

  • 整个逻辑完全按照数据的原始行顺序判断升降趋势,不会提前对全表排序,能精准定位题目要求的切分行位置
  • 逻辑不需要手动指定分段数,会自动识别所有连续的升降交替块,直到没有新的切分点为止
  • 如果分组键存在重复值,可以根据需求给pivot_table的aggfunc参数传入对应的聚合规则(比如aggfunc='first'取首次匹配值)

内容的提问来源于stack exchange,提问作者user2100039

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.29 01:24:03