Python Pandas将数据帧从长格式重新排列为宽格式

我找了一段时间，但没有找到解决问题的方法

我有一个具有以下结构的csv：

date_time, country, temp, dc
2018-01-01 00:00:00, Germany, 12, 0
...
2018-01-01 00:00:00, Austria, 13, 3
...
2018-01-01 00:00:00, France, 4, 9
...

|                     | Germany  | Austria  |  France
|                     | temp, dc | temp, dc | temp, dc
________________________________________________________
| 2018-01-01 00:00:00 | 12  , 0  | 13  , 3  | 4   , 9

如您所见，日期和时间将重复

我想使用python获得以下结构：

date_time, country, temp, dc
2018-01-01 00:00:00, Germany, 12, 0
...
2018-01-01 00:00:00, Austria, 13, 3
...
2018-01-01 00:00:00, France, 4, 9
...

|                     | Germany  | Austria  |  France
|                     | temp, dc | temp, dc | temp, dc
________________________________________________________
| 2018-01-01 00:00:00 | 12  , 0  | 13  , 3  | 4   , 9

我想要两个标题。。首先区分国家，其次是属性temp和dc。我的索引应该是date\u time属性

谢谢你的帮助

试试这个

df =df.groupby('date_time').apply(lambda x:x.set_index(['date_time','country']).unstack()).swaplevel(axis=1).reset_index(level=1, drop=True)

输出：

country             Austria France Germany Austria France Germany
                       temp   temp    temp      dc     dc      dc
date_time                                                        
2018-01-01 00:00:00      13      4      12       3      9       0

试试这个

df =df.groupby('date_time').apply(lambda x:x.set_index(['date_time','country']).unstack()).swaplevel(axis=1).reset_index(level=1, drop=True)

输出：

country             Austria France Germany Austria France Germany
                       temp   temp    temp      dc     dc      dc
date_time                                                        
2018-01-01 00:00:00      13      4      12       3      9       0

---

这将为您提供您想要的：

df.pivot_table(index='date_time', columns='country', values=['temp', 'dc']).swaplevel(axis=1).sort_index(axis=1)
#country   Austria      France      Germany     
#               dc temp     dc temp      dc temp
#date_time                                      
#1               3   13      9    4       0   12

---

这将为您提供您想要的：

df.pivot_table(index='date_time', columns='country', values=['temp', 'dc']).swaplevel(axis=1).sort_index(axis=1)
#country   Austria      France      Germany     
#               dc temp     dc temp      dc temp
#date_time                                      
#1               3   13      9    4       0   12

---

谢谢回复！但是这个输出看起来不像我想要的。。属性和国家/地区被交换。为什么约会时间增加了一倍？我会继续玩下去。运用（lambda…）技术！谢谢@库斯曼-回答更新谢谢回答！但是这个输出看起来不像我想要的。。属性和国家/地区被交换。为什么约会时间增加了一倍？我会继续玩下去。运用（lambda…）技术！谢谢@库斯曼-回答更新了！非常感谢@zipa-很好的回答太棒了！非常感谢@zipa-很好的回答