如何用Pandas将小时观测数据转换为按日分组的小时列结构？

当然可以！这种时间序列数据的宽表转换需求，Pandas提供了非常简洁的内置方案，核心是利用**层级索引（MultiIndex）+ unstack()或者pivot()**方法来实现，完全不需要额外写复杂循环。下面给你详细演示两种常用方法：

方法一：利用MultiIndex + unstack() #

这是最直接的方式，先把原Series的时间索引拆分为「日期」和「小时」两个层级，再将小时层级展开为列。

步骤示例： #

1. 先构造和你示例一致的测试数据（模拟你的小时级Series）：

import pandas as pd

# 模拟你的小时观测数据
data = [45, 46, 47, 50, 51]
timestamps = pd.to_datetime([
    "2018-05-12 12:00", 
    "2018-05-12 13:00", 
    "2018-05-12 14:00",
    "2018-05-13 10:00",
    "2018-05-13 11:00"
])
hourly_series = pd.Series(data, index=timestamps, name="value")

2. 将时间索引拆分为日期+小时的MultiIndex：

# 从原时间索引中提取日期和小时，生成双层索引
hourly_series.index = pd.MultiIndex.from_tuples(
    [(dt.date(), dt.hour) for dt in hourly_series.index],
    names=["date", "hour"]
)

3. 用unstack()将小时层级转为列，并调整列名：

# 展开小时层级为列，缺失的小时会自动填充NaN
daily_wide_df = hourly_series.unstack(level="hour")

# 把列名改成你需要的value_xx格式
daily_wide_df.columns = [f"value_{hour}" for hour in daily_wide_df.columns]

# 可选：将date从索引转为普通列
daily_wide_df = daily_wide_df.reset_index()

运行后得到的结果就是你想要的日维度宽表，每行对应一天，每列对应一个小时的数值。

方法二：使用pivot()方法 #

如果你更习惯DataFrame的操作，可以先把Series转为DataFrame，提取日期和小时列后用pivot()实现行转列：

# 将Series转为DataFrame，新增date和hour列
df = hourly_series.to_frame()
df["date"] = df.index.date
df["hour"] = df.index.hour

# 执行pivot转换
daily_wide_df = df.pivot(index="date", columns="hour", values="value")

# 重命名列并重置索引
daily_wide_df.columns = [f"value_{h}" for h in daily_wide_df.columns]
daily_wide_df = daily_wide_df.reset_index()

补充说明 #

• 如果你的数据存在缺失的小时（比如某天只有部分时段有数据），unstack()和pivot()会自动用NaN填充缺失值，你可以用fillna()指定填充值，比如daily_wide_df.fillna(0, inplace=True)来填充0。
• 两种方法本质逻辑一致，选择你觉得更直观的即可。

内容的提问来源于stack exchange，提问作者Alex