使用PIconnect批量获取数据时，如何将DataFrame中重复的AVERAGE列名改为对应点名称

我之前也碰到过类似的问题，核心原因是每个point.summaries()返回的DataFrame默认都把列名设为AVERAGE，直接拼接自然会出现一堆重复列名。解决思路很简单：在生成每个子DataFrame的时候，就把列名替换成对应的PI点名称，这样拼接后每一列就对应具体的测点了。

方法一：循环中重命名列（最直观） #

直接修改你的循环逻辑，在获取每个测点的汇总数据后，立刻把AVERAGE列重命名为测点的名称：

import pandas as pd
import PIconnect as PI
from PIconnect.PIConsts import SummaryType, TimestampCalculation

with PI.PIServer() as server:
    points = server.search('WTG*_AI_IN_TempA*')
    data = []
    for point in points:
        # 获取当前测点的汇总数据
        df = point.summaries(
            '5/14/2024',
            '6/1/2024',
            '10m',
            SummaryType.AVERAGE,
            time_type=TimestampCalculation.EARLIEST_TIME
        )
        # 将默认的AVERAGE列名替换为测点名称
        df.rename(columns={'AVERAGE': point.name}, inplace=True)
        data.append(df)
    # 拼接所有DataFrame
    data2 = pd.concat(data, axis=1)

方法二：用列表推导式简化代码 #

如果喜欢更简洁的写法，可以把重命名操作直接嵌入列表推导：

import pandas as pd
import PIconnect as PI
from PIconnect.PIConsts import SummaryType, TimestampCalculation

with PI.PIServer() as server:
    points = server.search('WTG*_AI_IN_TempA*')
    data = [
        point.summaries(
            '5/14/2024',
            '6/1/2024',
            '10m',
            SummaryType.AVERAGE,
            time_type=TimestampCalculation.EARLIEST_TIME
        ).rename(columns={'AVERAGE': point.name}) 
        for point in points
    ]
    data2 = pd.concat(data, axis=1)

为什么之前的尝试没生效？ #

你提到之前尝试在循环的不同阶段改列名但没成功，大概率是因为你等到所有DataFrame拼接完成后才处理——此时所有列名都是AVERAGE，Pandas无法区分哪一列对应哪个测点，自然没法准确重命名。而提前在子DataFrame阶段修改，每一列的名称都是唯一的测点名，拼接后就不会有问题了。

额外小技巧：处理多级列名（可选） #

如果你不想提前重命名，也可以在拼接时用keys参数标记每个测点，之后再扁平化列名：

with PI.PIServer() as server:
    points = server.search('WTG*_AI_IN_TempA*')
    data = [
        point.summaries(
            '5/14/2024',
            '6/1/2024',
            '10m',
            SummaryType.AVERAGE,
            time_type=TimestampCalculation.EARLIEST_TIME
        ) 
        for point in points
    ]
    # 用keys参数指定每一组数据的名称（测点名称）
    data2 = pd.concat(data, axis=1, keys=[p.name for p in points])
    # 扁平化列名，去掉第二层的AVERAGE
    data2.columns = data2.columns.droplevel(1)

这种方法适合需要保留原始列名（比如同时获取多种汇总类型时），但如果只取平均值，前两种方法更直接。

备注：内容来源于stack exchange，提问作者Jon Z