Pandas 在Python中将timeseries转换为数据帧

我有一个timeseries数据集，它有两列。第一列是时间戳，第二列是数据。时间戳按分钟排序，覆盖全年

Timestamp           Data
1/1/2017   0:00        50
1/1/2017   0:01        80
...
12/31/2017 23:59     100

因此，现在我希望将数据集重新排列为一个表，每个列代表不同的日期，但行仍然代表每分钟的数据。新的数据集如下所示

      1/1  1/2  1/3 .......  12/31
0:00  50   60   34  .......  67
0:01  34   211  90  .......  90
...
23:59

那么有没有一种快速的方法呢？

首先将“时间戳”列拆分为日期和时间。如何做到这一点取决于它是真正的时间戳还是字符串。如果是时间戳，则使用（使用'Date'作为列名，以避免与内置的'timestamp'混淆

df['Day'] = df['Date'].map(pd.Timestamp.date)
df['Time'] = df['Date'].map(pd.Timestamp.time)
del df['Date']

使用pivot_表遵循以下步骤：

pd.pivot_table(df, values='Data', index=['Time'], columns=['Day'])

首先，将“时间戳”列拆分为日期和时间。如何执行此操作取决于它是真正的时间戳还是字符串。如果它是时间戳，请执行（使用“日期”作为列名以避免与内置的“时间戳”混淆）

df['Day'] = df['Date'].map(pd.Timestamp.date)
df['Time'] = df['Date'].map(pd.Timestamp.time)
del df['Date']

使用pivot_表遵循以下步骤：

pd.pivot_table(df, values='Data', index=['Time'], columns=['Day'])

---

你必须先尝试自己做一些事情，然后如果你需要关于特定问题的建议，那么人们可能会提供帮助-但恐怕他们不会为你做这项工作。我是手动做的。在新的一天找到时间戳标记，手动添加一个新列来移动数据。它在excel中，我知道这很愚蠢，这就是为什么我想找到一种更有效的方法。你必须先尝试自己做一些事情，然后如果你需要关于特定问题的建议，那么人们可能会提供帮助-但恐怕他们不会为你做这项工作。我是手动操作的。找到新的一天的时间戳标记，手动添加一个新列来移动数据。它在excel，我知道这很愚蠢，所以这就是为什么我想找到一种更有效的方法来做这件事。