如何将列为月、行为年的数据框排序为单个时间序列？答案

【问题标题】：How to sort dataframe where columns are months and rows are years into a single time series?如何将列为月、行为年的数据框排序为单个时间序列？
【发布时间】：2015-02-19 14:49:44
【问题描述】：

我有一个数据框，其中行是从 1880 年到 2014 年的年份，列是从 1 月到 12 月的月度数据。如何对数据进行排序以使我有一个时间序列？即

    1880-1 23
    1880-2 66

等等……

谢谢

最初，我的数据框如下所示：

            jan, feb, mar, apl
    1880    23    66...

【问题讨论】：

到目前为止你尝试了什么？告诉我们，SO 不是代码制作场所。
就是这样。我做了这么多，很困惑该怎么做。我的意思是我可以采用 c++ 方式并遍历数据框的元素并将其存储并附加到列表中。我只是想知道是否有更优雅的 Python 方式来做到这一点。我什至试图按数据集折叠，但没有任何效果。

标签： python pandas time-series

【解决方案1】：

上面的答案对我有用，谢谢。有两点需要注意：

错别字：月份 = a.index.get_level_values(1).values

应该是：month = s.index.get_level_values(1).values

另外，我有 parse_dates=True，所以我的年份被读取为日期，然后 PeriodIndex 不起作用。当我忽略它时，一切都很好！

【讨论】：

【解决方案2】：

首先要做的是将jan, feb, mar, ..., dec转换为1, 2, 3, ..., 12。

df.columns = range(1, 13)

现在你可以使用stack:

In [11]: df = pd.DataFrame([[23, 66, 42], [11, 14, 15]], index=[1880, 1881], columns=[1, 2, 3])

In [12]: df
Out[12]:
       1   2   3
1880  23  66  42
1881  11  14  15

In [13]: df.stack()
Out[13]:
1880  1    23
      2    66
      3    42
1881  1    11
      2    14
      3    15
dtype: int64

注意：您可能更喜欢 PeriodIndex（而不是 MultiIndex）以供以后分析。

In [21]: s = df.stack()
         year = s.index.get_level_values(0).values
         month = a.index.get_level_values(1).values

In [22]: pd.PeriodIndex(year=year, month=month, freq='M')
Out[22]:
<class 'pandas.tseries.period.PeriodIndex'>
[1880-01, ..., 1881-03]
Length: 6, Freq: M

In [23]: s.index = pd.PeriodIndex(year=year, month=month, freq='M')

In [24]: s
Out[24]:
1880-01    23
1880-02    66
1880-03    42
1881-01    11
1881-02    14
1881-03    15
Freq: M, dtype: int64

【讨论】：