Python中时间序列转DataFrame：按分钟行日期列快速重排

绝对有高效的实现方式！用Python的pandas库就能轻松搞定，处理一整年的分钟级数据完全不在话下，步骤超清晰：

步骤1：确保时间戳是datetime类型 #

首先得让pandas识别你的时间戳，要是原始数据里的timestamp是字符串，先转成datetime格式：

import pandas as pd

# 假设你的数据集叫df，timestamp列是字符串类型
df['timestamp'] = pd.to_datetime(df['timestamp'])

如果你的timestamp已经是datetime类型了，这步直接跳过就行～

步骤2：提取日期和分钟级时间 #

从时间戳里拆分出日期（作为表格的列名）和分钟级时间（作为表格的行索引）：

# 新增两列分别存储日期和时间（精确到分钟）
df['date'] = df['timestamp'].dt.date
df['time'] = df['timestamp'].dt.time

步骤3：重排为目标表格 #

用pivot方法直接转成你要的宽表结构，一行对应一个分钟时间，一列对应一个日期：

# 把time设为行，date设为列，数据列填对应的值
pivoted_table = df.pivot(index='time', columns='date', values='你的数据列名')

额外小贴士 #

• 如果存在缺失的分钟数据（比如某天某个时段没记录），表格里会自动填充NaN，你可以用pivoted_table.fillna(0)（或者其他合适的值）来处理；
• 这些操作都是pandas的矢量化运算，速度非常快，处理一年的分钟级数据（大概525600行）完全不会卡顿；
• 要是想让行索引按时间顺序排列，直接用pivoted_table.sort_index()就行。

内容的提问来源于stack exchange，提问作者Pythonqi