Python Pandas按变量转置（unstack）多地点温度时序数据

嘿，刚入门Python和Pandas的时候，确实容易被这类术语绕晕，别担心，你想要的操作就是把长格式数据转换成宽格式，用Pandas里的pivot或者你提到的unstack都能轻松实现，我给你一步步说明：

先明确你的需求 #

你原数据的结构是每一行对应一个「地点+时间」的温度记录：

a                   b      c
0  0001  2016-02-01 00:00  19.93
1  0001  2016-02-01 00:30  19.50
2  0001  2016-02-01 01:00  19.25
3  0002  2016-02-01 00:00  23.37
4  0002  2016-02-01 00:30  22.93
5  0002  2016-02-01 01:00  22.56

想要转成时间为行索引，地点为列，温度为对应值的宽格式，刚好是Pandas擅长的操作！

方法1：用pivot（最直接） #

pivot是专门做这种行列转换的函数，直接指定三个参数：

• index：要作为结果行索引的列（你的时间列b）
• columns：要作为结果列名的列（你的地点列a）
• values：要填充到单元格里的值（你的温度列c）

代码示例：

import pandas as pd

# 假设你的原数据已经是DataFrame，命名为df
df_pivoted = df.pivot(index='b', columns='a', values='c')

运行后得到的结果就是你想要的格式：

a                0001   0002
b                           
2016-02-01 00:00  19.93  23.37
2016-02-01 00:30  19.50  22.93
2016-02-01 01:00  19.25  22.56

方法2：用set_index + unstack（对应你提到的unstack） #

如果你想用unstack，可以先把时间和地点设为多层索引，再把地点这一层“展开”成列：

# 先设置多层索引（时间b + 地点a），然后取出温度列c，再unstack地点a
df_unstacked = df.set_index(['b', 'a'])['c'].unstack('a')

这个方法得到的结果和pivot完全一样，只是操作路径不同。

额外提示：处理重复数据 #

如果你的原数据里存在同一个地点+时间对应多条温度记录（比如同一时间同一个地点测了好几次温度），直接用pivot会报错，这时候可以用pivot_table，指定聚合函数来合并重复值，比如取平均值：

df_pivot_table = df.pivot_table(index='b', columns='a', values='c', aggfunc='mean')

你也可以根据需求换成sum、max等聚合函数。

希望这个解决方案能帮到你，刚接触Pandas多试几次就能熟悉这些操作啦～

内容的提问来源于stack exchange，提问作者danwri