Python 如何生成一个新的数据帧，将一些行压缩到一个新列中？

我对pandas DataFrame相当陌生，但我一直在看教程和阅读有关它的文档，我无法完全想出一种方法来做我想做的事情。我有一个由时间戳索引的数据帧，我想将某个时段存储到一行中。以图形方式：

    # start date of the series
start_date='20130101'
# range of dates
dates = pd.date_range(start_date, periods=6)

# random dataframe
df = pd.DataFrame([["(1,1)","(1,2)"],
                   ["(2,1)","(2,2)"],
                   ["(3,1)","(3,2)"],
                   ["(4,1)","(4,2)"],
                   ["(5,1)","(5,2)"],
                   ["(6,1)","(6,2)"]], index=dates, columns=list('AB'))
print(df)
# range of bucketing periods, in this case I will get just three periods covering two days each
rng = pd.period_range(start_date, periods=3,freq='2D')

这导致

              A      B
2013-01-01  (1,1)  (1,2)
2013-01-02  (2,1)  (2,2)
2013-01-03  (3,1)  (3,2)
2013-01-04  (4,1)  (4,2)
2013-01-05  (5,1)  (5,2)
2013-01-06  (6,1)  (6,2)

我现在要做的是生成一个新的数据帧，其中我将

rng=pd.period\u范围（开始日期，periods=3，freq='2D'）

中的句点作为索引，并将对应于该句点的行作为连续列：

              A      B      A1      B1
2013-01-01  (1,1)  (1,2)  (2,1)  (2,2)            
2013-01-03  (3,1)  (3,2)  (4,1)  (4,2)  
2013-01-05  (5,1)  (5,2)  (6,1)  (6,2)

Api中有什么方法可以用来实现这一点吗？ 我想我还需要生成像A1、B1这样的新标签

另外，在我想了一点之后，我可能可以

              A      A1      B      B1
2013-01-01  (1,1)  (2,1)  (1,2)  (2,2)            
2013-01-03  (3,1)  (4,1)  (3,2)  (4,2)  
2013-01-05  (5,1)  (6,1)  (5,2)  (6,2)

---

其中一种方法是将时段转换为

timestamp

，并生成一个数据帧，然后用

ffill

方法将其浓缩为

NaN

，并将新的timestamp列设置为索引，即

n = pd.DataFrame(rng.to_timestamp()).set_index(rng.to_timestamp())

result = pd.concat([df, n], axis=1).fillna(method='ffill').set_index(0)

result = result.set_index(result.groupby(level=0).cumcount(), append=True).unstack()

输出

A B 0 1 0 1 0 2013-01-01 (1,1) (2,1) (1,2) (2,2) 2013-01-03 (3,1) (4,1) (3,2) (4,2) 2013-01-05 (5,1) (6,1) (5,2) (6,2) In [1024]: A B 0 1 0 1 0 2013-01-01 (1,1) (2,1) (1,2) (2,2) 2013-01-03 (3,1) (4,1) (3,2) (4,2) 2013-01-05 (5,1) (6,1) (5,2) (6,2) 在[1024]中：

---

如何确定周期？周期来自上文定义的周期范围rng。在这个例子中，我把它作为一个2d周期。我这样问是因为你想要的东西可以通过一个简单的整形来实现：

pd.DataFrame（np.reforme（df.values，（-1，4））

这是一种方法，谢谢。但是，我想根据时间戳和我生成的周期进行选择。这正是我想要的。非常感谢。很高兴能帮助@Paco