如何利用Pandas groupby将DataFrame转换为按小时维度的时间表？

这问题我太熟啦！要把你的长格式DataFrame转成适合可视化的宽时间表，用Pandas的几个内置方法就能轻松搞定，下面给你具体代码和解释：

我们可以用pivot_table（最省心的方式）或者groupby+unstack来实现需求，核心思路是把Hour列转成表头，用Floor的值填充对应位置，缺失的小时自动填0。

方法1：使用pivot_table（推荐） #

这个方法能自动处理缺失值，还能灵活指定聚合规则，非常适合你的场景：

import pandas as pd

# 先构造你的示例源数据
df = pd.DataFrame({
    'ID': ['Jay', 'Jay', 'Tim', 'Tim', 'Tim', 'Tom', 'Tom', 'Rob', 'Rob', 'Rob', 'Rob'],
    'Hour': [2, 3, 0, 1, 2, 3, 4, 3, 4, 5, 6],
    'Floor': [34, 34, 36, 34, 36, 32, 36, 31, 32, 33, 34]
})

# 转换为宽表
result = df.pivot_table(
    index='ID',          # 把ID作为行标识
    columns='Hour',      # 把Hour转成列
    values='Floor',      # 用Floor的值填充单元格
    fill_value=0,        # 缺失的小时填0
    aggfunc='first'      # 如果同一ID+Hour有多个值，取第一个（可按需换成max/min等）
).rename(columns=lambda x: f'HOUR_{x}').reset_index()  # 把列名改成HOUR_xx格式，重置索引让ID变回普通列

print(result)

方法2：使用groupby配合unstack #

如果你更习惯用groupby的思路，也可以这么写：

result = df.groupby(['ID', 'Hour'])['Floor'].first() \
           .unstack(fill_value=0) \
           .rename(columns=lambda x: f'HOUR_{x}') \
           .reset_index()

两种方法都会得到你期望的格式：

ID  HOUR_0  HOUR_1  HOUR_2  HOUR_3  HOUR_4  HOUR_5  HOUR_6
0  Jay       0       0      34      34       0       0       0
1  Rob       0       0       0      31      32      33      34
2  Tim      36      34      36       0       0       0       0
3  Tom       0       0       0      32      36       0       0

如果你的原始数据中，同一个ID+Hour组合存在多条记录，记得通过aggfunc参数指定聚合规则（比如'first'、'max'、'mean'），确保每个单元格只有一个值。

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