当时间信息分为列和索引时，将数据帧重塑为时间序列？

Question

下面的数据框跟踪参数

"rate"

、

"pressure"

和

"cut"

的每日变化。日期信息分为一侧的列

'Months&year'

（2024 年 1 月、2023 年 12 月等），而天数 (1-31) 则构成数据帧的 index：

dataframe.head()

Month&Year  parameter   1   2   3   ..  31
Jan 2024    rate       22   1   7       6
Jan 2024    pressure    67  8   8       8
Jan 2024    cut         2   67  7       2
Dec 2023    rate        8   9   1       0
Dec 2023    pressure    6   8   11      3
Dec 2023    cut         7   8   77      8

我寻求在一侧收集日期信息（

"day"

，

"month&year"

），以便将数据帧重塑为时间序列，这样：

Month&Year  parameter   rate    pressure    cut
Jan 2024    1   22  67  2
Jan 2024    2   1   8   67
Jan 2024    3   7   8   7
..          
Jan 2024    31  6   8   2
    
Dec 2023    1   8   6   7
Dec 2023    2   9   8   8
Dec 2023    3   1   11  77
..          
Dec 2023    31  0   3   8

我想我需要使用 groupby 来将此数据帧拆分为多个数据帧，转置每个新数据集，然后再次合并它们。

这是我迄今为止所取得的成就，当我使用 groupby 并将此数据帧拆分为单独的数据帧时：

in:
    mo=dataframe.groupby('Month&year')
    dataframe_months=[mo.get_group(x) for x in mo.groups]
    print ("result: \"n", dataframe_months)


out:

    Month&Year  parameter   1   2   3   ..  31
    Jan 2024    rate    22  1   7       6
    Jan 2024    pressure    67  8   8       8
    Jan 2024    cut 2   67  7       2
                                                
                        
    Month&Year  parameter   1   2   3   ..  31
    Dec 2023    rate    8   9   1       0
    Dec 2023    pressure    6   8   11      3
    Dec 2023    cut 7   8   77      8

您能否建议我如何引用分割的数据帧，而无需手动编写它们的名称（有很多年）来转置它们并按照与以前相同的顺序合并。

Answer 1

您提出的策略看起来不必要地复杂，因为这只是数据框的“重塑”。 pandas 用户指南推荐了pivot_table：

为了清晰起见，重复输入数据

（跳过未公开的日子）

df = pd.DataFrame({'Month&Year': ['Jan 2024','Jan 2024','Jan 2024','Dec 2023','Dec 2023','Dec 2023'],
                   'parameter': ['rate', 'pressure', 'cut', 'rate', 'pressure', 'cut'],
                   1: [22, 67, 2, 8, 6, 7],
                   2: [1, 8, 67, 9, 8, 8],
                   3: [7, 8, 7, 1, 11, 77],
                   31: [6, 8, 2, 0, 3, 8]})
df

  Month&Year parameter   1   2   3  31
0   Jan 2024      rate  22   1   7   6
1   Jan 2024  pressure  67   8   8   8
2   Jan 2024       cut   2  67   7   2
3   Dec 2023      rate   8   9   1   0
4   Dec 2023  pressure   6   8  11   3
5   Dec 2023       cut   7   8  77   8

1。将

'Month&Year' 和

days

（1 到 31）旋转到同一侧 在这里，我们使用 'Month&Year'
将

pivot_table

交换为另一级列，然后转置 (

T

)，最后压平表格 (

reset_index

)。

dfp = pd.pivot_table(data    = df,
                     values  = [1,2,3,31],
                     columns = 'Month&Year',
                     index   = 'parameter'
                    ).T.reset_index()

parameter  level_0 Month&Year  cut  pressure  rate
0                1   Dec 2023    7         6     8
1                1   Jan 2024    2        67    22
2                2   Dec 2023    8         8     9
3                2   Jan 2024   67         8     1
4                3   Dec 2023   77        11     1
5                3   Jan 2024    7         8     7
6               31   Dec 2023    8         3     0
7               31   Jan 2024    2         8     6

2。索引和列的可读性的最后一步

您所需的输出数据框显示

'parameter'
• 作为保存天数的列的名称。这感觉很混乱，所以我将其命名为

  'Day'

  。作为枢轴的结果，标签
'parameter'
• 最终成为

  columns

  索引的名称，这也变得令人困惑。我们可以简单地删除该标签。

dfp = dfp.rename(columns = {'level_0' : 'Day'})
dfp.columns = dfp.columns.rename(None)
dfp

   Day Month&Year  cut  pressure  rate
0    1   Dec 2023    7         6     8
1    1   Jan 2024    2        67    22
2    2   Dec 2023    8         8     9
3    2   Jan 2024   67         8     1
4    3   Dec 2023   77        11     1
5    3   Jan 2024    7         8     7
6   31   Dec 2023    8         3     0
7   31   Jan 2024    2         8     6

按日期排序将是涉及 pandas.datetime 的另一个问题。