使用 Pandas 从 Excel 文件中读取日期并对其进行排序时出错

Question

我正在读取一个带有 Pandas 的 excel 文件，其中包含 Title 和 Date 列。当我手动设置这样的测试版本时：

import pandas as pd

df = pd.DataFrame(data={'Title': ['Movie1', 'Movie2', 'Movie3', 'Movie4'],
                    'Date': ['1991-11', '1991', '1991', '1991-10-31']})
print(df)

它按预期打印，最重要的是，我可以使用print(df.sort_values('Date')) 准确地对其进行排序，下面是我最终想要实现的输出。如您所见，有 YYYY/MM/DD、YYYY/MM 和 YYYY 的实例。

Title        Date
1  Movie2        1991
2  Movie3        1991
3  Movie4  1991-10-31
0  Movie1     1991-11

当我尝试使用 read_excel 使用正在读取的实际 Excel 文件运行 print(df.sort_values('Date')) 时，会出现我的问题。我得到TypeError: '<' not supported between instances of 'int' and 'str'

我已将范围缩小到如何将 YYYY-MM 和 YYYY-MM-DD 日期输入 Excel 文件。如果我只使用 YYYY 日期运行它，它就会正确排序。为了正确显示 YYYY-MM 和 YYYY-MM-DD 日期，在 Excel 文件中，我必须在它们前面加上一个反引号。也许这就是导致问题的原因。

希望其他人之前遇到过这种情况。有没有办法使用 Pandas 正确读取带有反引号的日期？

或者，有没有更好的方法将日期输入到 Excel 文件中以供 Pandas 使用？ （这可能是一个与 Pandas 问题一样多的 Excel 问题）。

Answer 1

要修复类型错误，您可以将“日期”列中的整数转换为字符串。这将确保日期被解析为字符串。

df['Date'] = df['Date'].astype('str')
df['pdDate'] = pd.to_datetime(df['Date'])
df.sort_values('pdDate')

然后创建一个新列，并将日期转换为日期时间并对值进行排序。 “日期”列将保留与 excel 中相同的格式，并且日期将正确排序。如果将它们作为字符串排序，可能会出现错误，但它们仍然可以排序。