使用add minutes（熊猫、Python）创建新列datetime

我喜欢熊猫， 请帮助解决下一个问题：

我从MS SQL数据库获取数据表，如：

在DataFrame中输入数据并执行下一步：

列“0”…“59”是以小时为单位的分钟（'DataTime'），其值为“TagName”。 是否进行了下一次转换：

df1 = pd.DataFrame(result2, columns=['DataTime', 'TagName', '0', '1', '2', '3', '4', '5', '6', '7', '8', '9', '10', '11', '12', '13', '14', '15', '16', '17', '18', '19', '20', '21', '22', '23', '24', '25', '26', '27', '28', '29', '30', '31', '32', '33', '34', '35', '36', '37', '38', '39', '40', '41', '42', '43', '44', '45', '46', '47', '48', '49', '50', '51', '52', '53', '54', '55', '56', '57', '58', '59'])
df1 = df1.pivot(index='TagName', columns= 'DataTime', values=['0', '1', '2', '3', '4', '5', '6', '7', '8', '9','10', '11', '12', '13', '14', '15', '16', '17', '18', '19','20', '21', '22', '23', '24', '25', '26', '27', '28', '29', '30', '31', '32', '33', '34', '35', '36', '37', '38', '39', '40', '41', '42', '43', '44', '45', '46', '47', '48', '49','50', '51', '52', '53', '54', '55', '56', '57', '58', '59'])
df1 = df1.T
df1 = df1.sort_values('DataTime')

结果是：

问题是在DateTime列中添加分钟， 我希望得到以下结果：

使用：

第一次取消Pivot by，将分钟添加到datetimes by和最后一次数据透视：

df1 = df.melt(['DataTime', 'TagName'], var_name='minutes', value_name='data')

df1['DataTime'] += pd.to_timedelta(df1['minutes'], unit='Min')
print (df1)

df2 = df1.pivot('DataTime','TagName','data')
print (df2)

---

Thanx，但它不适用于me@YaEG-你能说得更具体一点吗？我把文本改为图片，请看。@YaEG-很遗憾，我看不出有什么问题。它很有效，非常感谢=）

#sample data
a = [pd.to_datetime('2020-12-01'), 'code1'] + [60] * 60
b =  [pd.to_datetime('2020-12-01 10:00:00'), 'code2'] + [5] * 60
result2  = [a, b]

cols = ['DataTime', 'TagName', 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59]

df = pd.DataFrame(result2, columns=cols)

df1 = df.melt(['DataTime', 'TagName'], var_name='minutes', value_name='data')

df1['DataTime'] += pd.to_timedelta(df1['minutes'], unit='Min')
print (df1)

df2 = df1.pivot('DataTime','TagName','data')
print (df2)