如何修正CSV数据集时间并将Name列透视为独立列？

嘿，我来帮你搞定这个需求！你已经找对了用pd.pivot实现参数转列的方向，现在只需要先把每组时间统一为ME_POW_1对应时间的问题解决掉就行。咱们一步步来：

步骤1：理解分组逻辑 #

从你的输入示例能看出来，每一组数据包含FAN_RFB、KW_TOTAL、ME_POW_1、ME_POW_2这几个参数（你说实际是24个，逻辑完全一致），每组的锚点是ME_POW_1——我们需要以它的出现来划分不同的组，然后把同组所有行的时间替换成它的时间。

步骤2：完整代码实现 #

我把你的原有代码修改并补充，直接就能得到你要的结果：

import pandas as pd

# 读取原始数据（保留你原来的读取逻辑）
raw = pd.read_csv('example.csv', usecols=[0,1,2,3])

# 1. 生成分组标识：每遇到一个ME_POW_1就开启新的一组
raw['group_id'] = (raw['Name'] == 'ME_POW_1').cumsum()

# 2. 合并Date和Time为完整的datetime列
raw['datetime'] = pd.to_datetime(raw['Date'] + ' ' + raw['Time'])

# 3. 修正时间：将每组所有行的时间替换为该组ME_POW_1对应的datetime
raw['corrected_datetime'] = raw.groupby('group_id')['datetime'].transform(
    lambda group: group[raw.loc[group.index, 'Name'] == 'ME_POW_1'].iloc[0]
)

# 4. 执行透视，把Name列的参数转为独立列
result = raw.pivot(index='corrected_datetime', columns='Name', values='Value').reset_index()

# 5. 拆分修正后的时间为Date和Time列，匹配你期望的输出格式
result[['Date', 'Time']] = result['corrected_datetime'].astype(str).str.split(' ', expand=True)
result = result.drop('corrected_datetime', axis=1)

# 调整列的顺序，和你要的输出一致（如果实际有24个参数，把所有参数列按顺序列出来即可）
result = result[['Date', 'Time', 'FAN_RFB', 'KW_TOTAL', 'ME_POW_1', 'ME_POW_2']]

# 查看结果
print(result)

关键逻辑解释 #

• 分组标识group_id：用(raw['Name'] == 'ME_POW_1').cumsum()，每遇到一行ME_POW_1，累加器就+1，这样自动把每组数据分到同一个group_id下。
• 时间修正的transform方法：groupby.transform会对每个组执行自定义逻辑，我们在每个组里找到Name为ME_POW_1的那一行的时间，然后把整个组的corrected_datetime都设为这个值——这样就实现了同组时间统一。
• 透视后的格式调整：拆分corrected_datetime为Date和Time列，并调整列顺序，完美匹配你期望的输出。

用你的输入示例运行这段代码，就能得到和你给出的期望输出完全一致的结果啦！

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