python - 如何使用小时值和日期时间索引将宽格式转换为长格式？

Question

我正在从长格式的固定 SQL 模式中检索数据，并希望将其转换为宽格式。

复杂的是，DataFrame 中的每一行都代表一天中产品的值(value)。值存储在代表一天中特定时间的列中。下面的示例显示了六个小时的间隔长度。这意味着我们每天在 00:00、06:00、12:00 和 18:00 存储四个值。DataFrame 如下所示:

      id        date  0000  0600  1200  1800
 0  APPL  01.01.2014    12    15    17    19
 1  APPL  02.01.2014    21    23    25    27
 2  MSFT  01.01.2014     1     2     3     4
 3  MSFT  02.01.2014     5     6     7     8

我想以宽格式实现的 DataFrame 是:

                     APPL  MSFT
2014-01-01 00:00:00    12     1
2014-01-01 06:00:00    15     2
2014-01-01 12:00:00    17     3
2014-01-01 18:00:00    19     4
2014-01-02 00:00:00    21     5
2014-01-02 06:00:00    23     6
2014-01-02 12:00:00    25     7
2014-01-02 18:00:00    27     8

我尝试了 pivot、un/stack 和 set_index 的各种组合来实现目标结构，但都失败了。我最接近的是使用:

df = src.set_index(['date','id']).stack()

返回:

date        id        
01.01.2014  APPL  0000    12
                  0600    15
                  1200    17
                  1800    19
02.01.2014  APPL  0000    21
                  0600    23
                  1200    25
                  1800    27
01.01.2014  MSFT  0000     1
                  0600     2
                  1200     3
                  1800     4
02.01.2014  MSFT  0000     5
                  0600     6
                  1200     7
                  1800     8

但我知道我无法解析 MultiIndex。

非常感谢任何帮助。

Answer 1

import pandas as pd
import io

text = """      id        date  0000  0600  1200  1800
 0  APPL  01.01.2014    12    15    17    19
 1  APPL  02.01.2014    21    23    25    27
 2  MSFT  01.01.2014     1     2     3     4
 3  MSFT  02.01.2014     5     6     7     8"""

df = pd.read_csv(io.BytesIO(text), delim_whitespace=True)
df = df.set_index(["id", "date"]).stack().unstack(0)

def f(key):
    date, hour = key
    time = "{} {}:{}:00".format(date, hour[:2], hour[2:])
    return pd.to_datetime(time, dayfirst=True)

df.index = df.index.map(f)
print df

输出:

id                   APPL  MSFT
2014-01-01 00:00:00    12     1
2014-01-01 06:00:00    15     2
2014-01-01 12:00:00    17     3
2014-01-01 18:00:00    19     4
2014-01-02 00:00:00    21     5
2014-01-02 06:00:00    23     6
2014-01-02 12:00:00    25     7
2014-01-02 18:00:00    27     8