Python 根据月份、年份将n x 1数据帧转换为a x b大小的网格

我有一个带有日期时间索引的pandas数据帧，我想从pandas时间序列数据帧将其重新定向为网格

我的数据框如下所示：

DATE        VAL         
2007-06     0.008530
2007-07    -0.067069
2007-08     0.026660
2007-09     0.016237
2007-10     0.025145
2007-11    -0.063666
2007-12    -0.002118
2008-01    -0.059951
2008-02    -0.033422
2008-03     0.008978
2008-04     0.039997
2008-05     0.043563
2008-06    -0.076166
...

      Jan       Feb      Mar    ...  Jun      Jul      Aug      Sep      Oct      Nov      Dec  
2007   0         0        0     ... .008530  -.067069 .026660  .016237  .025145  -.06366  -.025145 
2008  -.05995  -.033422 .00897  ... -.076166   ...
...

我想用

[year]

行和

[month]

列重新定向，如下所示：

DATE        VAL         
2007-06     0.008530
2007-07    -0.067069
2007-08     0.026660
2007-09     0.016237
2007-10     0.025145
2007-11    -0.063666
2007-12    -0.002118
2008-01    -0.059951
2008-02    -0.033422
2008-03     0.008978
2008-04     0.039997
2008-05     0.043563
2008-06    -0.076166
...

      Jan       Feb      Mar    ...  Jun      Jul      Aug      Sep      Oct      Nov      Dec  
2007   0         0        0     ... .008530  -.067069 .026660  .016237  .025145  -.06366  -.025145 
2008  -.05995  -.033422 .00897  ... -.076166   ...
...

---

重塑/stack/unstack方法似乎可以实现我想要的版本，但由于我有一个单一的日期索引，这些方法不适合我的数据框架

首先将日期转换为日期时间，并通过进行重塑，以供月份使用。列名称的最后更改顺序为，删除索引namd列名称的顺序为：

另一种解决方案是使用，为了正确排序，使用了s：

具有

重命名
列的解决方案：

d = {1: 'Jan', 2: 'Feb', 3: 'Mar', 4: 'Apr', 5: 'May', 6: 'Jun',
     7: 'Jul', 8: 'Aug', 9: 'Sep', 10: 'Oct', 11: 'Nov', 12: 'Dec'}
df1 = (df.set_index([df.index.year, df.index.month]).VAL
         .unstack(fill_value=0)
         .rename(columns=d))

首先，将日期转换为日期时间，并根据进行重塑，以供月份使用。列名称的最后更改顺序为，删除索引namd列名称的顺序为：

另一种解决方案是使用，为了正确排序，使用了s：

具有
重命名
列的解决方案：

d = {1: 'Jan', 2: 'Feb', 3: 'Mar', 4: 'Apr', 5: 'May', 6: 'Jun',
     7: 'Jul', 8: 'Aug', 9: 'Sep', 10: 'Oct', 11: 'Nov', 12: 'Dec'}
df1 = (df.set_index([df.index.year, df.index.month]).VAL
         .unstack(fill_value=0)
         .rename(columns=d))

这里可能已经给出了答案：@SathishSanjeevi，不太可能……年和月值可以通过应用于索引的
year
和
month
方法获得，但如果没有应用程序，这并没有什么帮助：@SathishSanjeevi，不完全如此……年和月值可通过应用于索引的
year
和
month
方法获得，但如果没有应用程序创建，这并没有真正的帮助。重新编制索引（如第一个示例中所示）是一种浪费，因此我放弃了它，添加了不同的命名。以下工作：
df=df.set_index（[df.index.year，df.index.month]）.VAL.unstack（fill_value=0）df.rename（列={1:'Jan'，2:'Feb'，3:'Mar'，4:'Apr'，5:'May'，6:'Jun'，7:'Jul'，8:'Aug'，9:'Sep'，10:'Oct'，11:'Nov'，12:'Dec'，inplace=True）
@Chris-yop，仅删除
inplace=True
需要该部分…只需返回屏幕即可otherwise@Chris-我认为这是一条线，如果第二条线是necessary@Chris-增加了新的段落我的意思很好。重新编制索引（如第一个示例中所示）是一种浪费，因此我放弃了它，添加了不同的命名。以下工作：
df=df.set_index（[df.index.year，df.index.month]）.VAL.unstack（fill_value=0）df.rename（列={1:'Jan'，2:'Feb'，3:'Mar'，4:'Apr'，5:'May'，6:'Jun'，7:'Jul'，8:'Aug'，9:'Sep'，10:'Oct'，11:'Nov'，12:'Dec'，inplace=True）
@Chris-yop，仅删除
inplace=True
需要该部分…只需返回屏幕即可otherwise@Chris-我认为这是一条线，如果第二条线是necessary@Chris-增加了新的段落-我的意思是什么