根据 Pandas 中的时间序列创建月 x 年的数据框答案

【问题标题】：Creating a dataframe with months x years based on time series in pandas根据 Pandas 中的时间序列创建月 x 年的数据框
【发布时间】：2020-10-19 18:28:00
【问题描述】：

我有一个时间序列数据，其中包含数年来每个月的天数，并尝试创建一个新的数据框，该数据框将月作为行，将年作为列。

我有这个

    DateTime    Days    Month   Year
        
    2004-11-30  3   November    2004
    2004-12-31  16  December    2004
    2005-01-31  12  January     2005
    2005-02-28  11  February    2005
    2005-03-31  11  March       2005
    ... ... ... ...
    2019-06-30  0   June        2019
    2019-07-31  2   July        2019
    2019-08-31  5   August      2019
    2019-09-30  5   September   2019
    2019-10-31  3   October     2019

我正在努力做到这一点

Month     2004  2005 ... 2019

January   nan   12       7
February  nan   11       9
...
November  17    17       nan
December  14    15       nan

我创建了一个新的数据框，第一列表示月份，并尝试遍历第一个数据框以将新列（年）和信息添加到单元格中，但条件是检查第一个数据框中的月份是否（天）匹配新数据框（输出）中的月份永远不会为真，因此新数据框永远不会更新。我猜这是因为天数中的月份与同一迭代中输出的月份不同。

for index, row in days.iterrows():
print(days.loc[index, 'Days'])    #this prints out as expected
for month in output.items():
    print(index.month_name())     #this prints out as expected
    if index.month_name()==month:
        output.at[month, index.year]=days.loc[index, 'Days']    #I wanted to use this to fill up the cells, is this right?
        print(days.loc[index, 'Days'])      #this never gets printed out

你能告诉我如何解决这个问题吗？或者也许有更好的方法来完成结果而不是迭代？这是我第一次尝试在 python 中使用库，所以我希望能得到一些帮助。

【问题讨论】：

标签： python pandas dataframe time-series

【解决方案1】：

如果您的输入数据框每个月和年只有一个值，请使用 pivot：

df.pivot('Month', 'Year', 'Days')

输出：

Year      2004 2005 2019
Month                   
August     NaN  NaN    5
December    16  NaN  NaN
February   NaN   11  NaN
January    NaN   12  NaN
July       NaN  NaN    2
June       NaN  NaN    0
March      NaN   11  NaN
November     3  NaN  NaN
October    NaN  NaN    3
September  NaN  NaN    5

【讨论】：