基于字典列表的Pandas分组：按星期几与小时分组需求

没问题！要把你的字典列表转换成以hour为行、星期几为列的交叉表格式，用Pandas的pivot_table就能轻松搞定，下面是具体操作步骤：

步骤1：导入Pandas并加载数据 #

首先把你的数据转换成Pandas DataFrame，同时注意统一hour的类型（避免原数据里出现9和09这种混合格式导致分组错误）：

import pandas as pd

# 你的原始数据（若原数据里有字符串格式的"09"，后续转换步骤会自动处理）
data = [
    {"avg": 52, "hour": 9, "dayname": "Friday"},
    {"avg": 1, "hour": 10, "dayname": "Friday"},
    {"avg": 12, "hour": 11, "dayname": "Friday"},
    {"avg": 3, "hour": 12, "dayname": "Friday"},
    {"avg": 12, "hour": 9, "dayname": "Saturday"},
    {"avg": 30, "hour": 10, "dayname": "Saturday"},
    {"avg": 66, "hour": 11, "dayname": "Saturday"},
    {"avg": 45, "hour": 12, "dayname": "Saturday"}
]

# 转换成DataFrame
df = pd.DataFrame(data)

# 确保hour是整数类型（自动处理字符串格式的"09"转成9）
df['hour'] = df['hour'].astype(int)

步骤2：生成目标交叉表格式 #

用pivot_table重构表格，指定行是hour、列是dayname、值是avg：

# 生成目标格式的表格，aggfunc='first'是因为每个hour+星期的组合只有一条数据
result = df.pivot_table(index='hour', columns='dayname', values='avg', aggfunc='first')

# 打印结果
print(result)

执行后你会得到完全符合预期的输出：

dayname  Friday  Saturday
hour                     
9           52        12
10           1        30
11          12        66
12           3        45

可选：自定义星期几的列顺序 #

如果想按特定顺序排列星期几的列（比如从周一到周日，或者你需要的优先级），可以手动指定列顺序：

# 自定义星期顺序（比如先显示Friday再显示Saturday）
week_order = ['Friday', 'Saturday']
result = result[week_order]

小提示：pivot vs pivot_table #

• 如果你的数据中每个hour+dayname的组合只有一条记录，用df.pivot(index='hour', columns='dayname', values='avg')也能得到同样结果；
• pivot_table更灵活，当存在重复的hour+dayname组合时，可以用aggfunc='mean'（求平均）、aggfunc='sum'（求和）等聚合函数处理，适用性更广。

内容的提问来源于stack exchange，提问作者MMMMS