规整时间序列数据：Dataframe时间格式转换技术咨询

这是个很常见的宽表转长表+时间合并的需求，用pandas就能轻松搞定，我给你一步步拆解：

1. 先明确原始数据结构 #

假设你的原始DataFrame长这样（行是小时0-23，列是日期，单元格是对应记录值）：

import pandas as pd
import numpy as np

# 构造示例数据
dates = pd.date_range('2024-01-01', periods=3).strftime('%Y-%m-%d')
hours = range(24)
df = pd.DataFrame(np.random.randn(24, 3), index=hours, columns=dates)
df.index.name = 'hour'

2. 把小时索引转为普通列 #

首先需要把行索引的「小时」转成单独的列，方便后续合并：

df_reset = df.reset_index()

3. 将宽表转成长表（核心步骤） #

用melt()函数把多列的日期合并成一个「日期」列，对应的记录值统一放到「record」列：

df_melted = df_reset.melt(
    id_vars='hour',  # 保留不变的列：小时
    var_name='date', # 原来的日期列名会变成这个列的取值
    value_name='record' # 原来的单元格值会放到这个列里
)

4. 合并日期与小时为时间序列 #

把「date」和「hour」列合并成标准的datetime类型时间戳，这里注意给小时补零保证格式正确：

# 给小时补零（比如5→05），避免时间解析出错
df_melted['hour_str'] = df_melted['hour'].apply(lambda x: f"{x:02d}")
# 合并成时间戳
df_melted['timestamp'] = pd.to_datetime(df_melted['date'] + ' ' + df_melted['hour_str'])

5. 整理最终结果 #

最后可以调整列顺序、删除多余列，按时间排序：

final_df = df_melted[['timestamp', 'record']].sort_values('timestamp').reset_index(drop=True)

这样你就得到了想要的结构：一列是完整的时间序列，另一列是对应记录值。

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