熊猫，转换具有相同日期时间索引值的行

Question

目前，我正在处理一个具有几百万行和8列的数据框，并试图在对此df进行转换时避免使用循环。

问题如下。

原始Pandas DataFrame的示例格式如下所示。这里的“索引”是日期时间，“房间”是分类时间，其他列是浮点数。

原始df：

这是一个数据帧中的传感器数据，其中每个日期时间索引值都有多个样本，因为有多个房间。目标列应采用以下格式。

请注意，我省略了“厨房和客厅”的栏目。您可能会实现目标。每个房间标签每个变量一列。

现在，使事情变得更复杂。在每个时间步中，并非所有可能的房间类别都可见。例如，示例df可能在20:05缺少“厨房”。

人们可以将这种转换（我想）看作是多个数据帧（每个房间一个df），它们被连接到相同的日期时间索引，其中每个列名都更改为sensor__room_category。是否可以在不使用循环且不遍历整个df的情况下完成此转换？如果可以，怎么办？

另一件事，实际上，这个df由多个房屋的上述数据组成。因此，有一列带有“ house_1，house_2，house_3，...”标签。因此，仅应转换例如house_1的日期，然后转换house_2，等等。因此每个房屋的数据保持分离。

我知道这是一个非常具体的问题。但是我想知道是否有一些熊猫甚至Np魔术可以轻松实现。

TLDR：来自不同房间的传感器的数据需要转换，因此每个值sensor__room_category都有一个时间戳。如何在没有大量循环的情况下做到这一点？

Answer 1

这是一个例子

让我们假设这个以日期时间和房屋作为索引的多索引数据帧：

                         co2 humidity presence  room
index            house              
22/11/2018 20:00 house1 102    60        0  bedroom1
                 house1 104    62        0  bedroom2
                 house1 122    71        1  kitchen
                 house1 115    61        1  living room
22/11/2018 20:05 house1 103    64        0  bedroom1
                 house1 104    68        0  bedroom2
                 house1 123    72        1  kitchen
                 house1 111    63        1  livingroom
22/11/2018 20:00 House2 102    60        0  bedroom1
                 House2 104    62        0  bedroom2
                 House2 122    71        1  kitchen
                 House2 115    61        1  living room
22/11/2018 20:05 House2 103    64        0  bedroom1
                 House2 104    68        0  bedroom2
                 House2 123    72        1  kitchen
                 House2 111    63        1  livingroom

您只需执行df.pivot(columns='room')：

                         co2                                humidity                                    presence
                  room  bedroom1    bedroom2    kitchen living room bedroom1    bedroom2    kitchen living room bedroom1    bedroom2    kitchen living room
index             house                                             
22/11/2018 20:00  House2    102       104        122         115        60          62          71      61          0           0           1       1
                  house1    102       104        122         115        60          62          71      61          0           0           1       1
22/11/2018 20:05  House2    103       104        123         111        64          68          72      63          0           0           1       1
                  house1    103       104        123         111        64          68          72      63          0           0           1       1