Python 从多行中读取值，并将它们合并到dataframe中的另一行中

我有以下数据帧：

    item_id     bytes value_id       value
1       0         2.0     year          2017
2       0         1.0    month            04
3       0         1.0      day            12
4       0         1.0     time            07
5       0         1.0   minute            13
6       1         2.0     year          2017
7       1         1.0    month            12
8       1         1.0      day            19
9       1         1.0     time            09
10      1         1.0   minute            32
11      2         2.0     year          2017
12      2         1.0    month            04
13      2         1.0      day            17
14      2         1.0     time            14
15      2         1.0   minute            24

我希望能够计算每个

项目的时间\u id

。我如何使用group by here或其他工具来实现以下目标

item_id             time
0       2017/04/12 07:13
1       2017/12/19 09:32
2       2017/04/17 14:24

---

使用

pivot

+

到\u datetime

pd.to_datetime(
  df.drop('bytes', 1)
    .pivot('item_id', 'value_id', 'value')
    .rename(columns={'time' :'hour'})

).reset_index(name='time')

   item_id                time
0        0 2017-04-12 07:13:00
1        1 2017-12-19 09:32:00
2        2 2017-04-17 14:24:00

---

在进行数据透视之前，您可以删除

字节

列，看起来您并不需要它。

使用

数据透视

+

来查看日期时间

pd.to_datetime(
  df.drop('bytes', 1)
    .pivot('item_id', 'value_id', 'value')
    .rename(columns={'time' :'hour'})

).reset_index(name='time')

   item_id                time
0        0 2017-04-12 07:13:00
1        1 2017-12-19 09:32:00
2        2 2017-04-17 14:24:00

---

您可以在旋转前删除

字节

列，看起来您并不需要它。

设置索引

+

取消堆栈

此外，

pd。要想传递数据帧，只需正确命名列即可

 pd.to_datetime(df.set_index(['item_id','value_id']).value.unstack().rename(columns={'time' :'hour'}))
Out[537]: 
item_id
0   2017-04-12 07:13:00
1   2017-12-19 09:32:00
2   2017-04-17 14:24:00
dtype: datetime64[ns]

set_index
+
unstack
此外，
pd.to\u datatime
可以传递数据帧，您只需正确命名列即可

 pd.to_datetime(df.set_index(['item_id','value_id']).value.unstack().rename(columns={'time' :'hour'}))
Out[537]: 
item_id
0   2017-04-12 07:13:00
1   2017-12-19 09:32:00
2   2017-04-17 14:24:00
dtype: datetime64[ns]

优雅是最好的@奥拉克会投票支持你的问题，但我没票了。干杯，优雅是最好的@奥拉克会投票支持你的问题，但我没票了。干杯