Python 如何将数据透视表中的列合并到索引中？

我有一个关于空气污染的数据框，用于以下匹配中的日期和时间：

Date            Items      00        01       02        ...       23
2010-01-01      AMB_TEMP   8         10       ...                 15
2010-01-01      CO         10        15       ...                 20
...
2010-01-02      AMB_TEMP   2         5        ...
2010-01-02      CO         5         12       ...
...
2010-01-03      AMB_TEMP   5         25       ...
...

Match            AMB_TEMP  CO   NO  NO2
2010-01-01 00    8         10   ..  ..
2010-01-01 01    10        15   ..  ..
...
2010-01-01 23    15        20   ..  ..

我想对每个匹配的日期和时间进行聚合，即获得如下数据帧：

Date            Items      00        01       02        ...       23
2010-01-01      AMB_TEMP   8         10       ...                 15
2010-01-01      CO         10        15       ...                 20
...
2010-01-02      AMB_TEMP   2         5        ...
2010-01-02      CO         5         12       ...
...
2010-01-03      AMB_TEMP   5         25       ...
...

Match            AMB_TEMP  CO   NO  NO2
2010-01-01 00    8         10   ..  ..
2010-01-01 01    10        15   ..  ..
...
2010-01-01 23    15        20   ..  ..

我知道我可以手动堆叠它们，但我想知道是否有更有效的方法来获取它们。现在，我所做的是：

df.pivot_table(values=df[df.columns[2:]], index='Date', columns='Items')

它返回：

              0                            1  
Match         AMB_TEMP  CO   NO  NO2   ... AMB_TEMP  CO   NO  NO2
2010-01-01    8         10   ..  ..    ... 10        15   ..  ..
2010-01-02    2         5    ..  ..    ... 5         12   ..  ..
...
2010-01-07    10        10   ..  ..    ... 10        NA   ..  ..

---

我不知道如何将日期和时间合并成“2010-01-01 00”、“2010-01-01”、“2010-01-01 02”。。。indexs？

熊猫

melt

功能似乎完成了这项工作，或者至少部分完成了这项工作，使用pivot_table可以一路完成

melt

执行一种取消轴心的操作，如果我们在“00”到“23”列中使用它，它会将这些列翻转到行中

df2 = pd.melt(df,id_vars=['Date','Items'],value_vars=df[df.columns[2:]])

该行将返回此信息（我的数据与您的数据略有不同）

新的“变量”列包含以前的列标题，“值”包含旧值。现在，我们可以创建一个名为“Datetime”的新列来记录日期和新时间：

df2['Datetime'] = df2['Date'] + ' ' + df2['variable']

现在，如果我们在这个新的数据帧上运行pivot_table函数，我们将得到我认为是您的目标

df3 = df2.pivot_table(values='value',index='Datetime',columns='Items')
        Items   AMB_TEMP    CO
Datetime        
2010-01-01 00   8.0 10.0
2010-01-01 01   10.0    15.0
2010-01-01 02   15.0    20.0
2010-01-02 00   2.0 5.0
2010-01-02 01   5.0 12.0
2010-01-03 00   5.0 NaN
2010-01-03 01   25.0    NaN

---

这确实将这些新的日期时间保留为字符串，仅供参考。

谢谢，这真的很有效！