通过列表和其他按日期在 Dataframe 上添加多种排序答案

【问题标题】：Add Multiple sort on Dataframe one via list and other by date通过列表和其他按日期在 Dataframe 上添加多种排序
【发布时间】：2020-05-01 06:46:09
【问题描述】：

我有一个这样的数据框

Name    values   Status          CompletedOn
ac       100    Pending      2019-01-10T03:59:42.184+00:00
as       10     Pending      2019-06-10T03:59:42.184+00:00
sd       10     Closed       2019-12-10T03:59:42.184+00:00
es       10     Closed       2019-12-11T03:59:42.184+00:00
sg       5      Closed       2020-12-10T03:59:42.184+00:00
er       10     optional     2019-12-14T03:59:42.184+00:00
rw       10     optional     2019-12-15T03:59:42.184+00:00

我想根据 list vals=['pending','optional','Closed'] 和 Completed on Date 对应的状态对它们进行排序。

我试过sorting by a custom list in pandas 但也无法弄清楚根据日期对它们进行排序的方法。

所以输出的 Dataframe 会是这样的

Name    values   Status          CompletedOn
ac       100    Pending      2019-06-10T03:59:42.184+00:00
as       10     Pending      2019-01-10T03:59:42.184+00:00
er       10     optional     2019-12-15T03:59:42.184+00:00
rw       10     optional     2019-12-14T03:59:42.184+00:00
sg       5      Closed       2020-12-10T03:59:42.184+00:00
es       10     Closed       2019-12-11T03:59:42.184+00:00
sd       10     Closed       2019-12-10T03:59:42.184+00:00

有什么帮助吗？

【问题讨论】：

标签： python-3.x pandas

【解决方案1】：

试一试，看看它是否适合您的用例：

我们的想法是将 Status 列作为 category 数据类型，并在转换中包含类别订单。然后您可以对 Status 和 CompletedOn 进行排序，并包含升序参数

#convert Status to category dtype
df.Status = pd.Categorical(df.Status, categories = ['Pending','optional','Closed'])

#sort columns with ascending options for the columns
df.sort_values(['Status', 'CompletedOn'],ascending = [True,False])

      Name  values   Status            CompletedOn
1     as    10      Pending     2019-06-10 03:59:42.184000+00:00
0     ac    100     Pending     2019-01-10 03:59:42.184000+00:00
6     rw    10     optional     2019-12-15 03:59:42.184000+00:00
5     er    10     optional     2019-12-14 03:59:42.184000+00:00
4     sg    5      Closed       2020-12-10 03:59:42.184000+00:00
3     es    10     Closed       2019-12-11 03:59:42.184000+00:00
2     sd    10     Closed       2019-12-10 03:59:42.184000+00:00

【讨论】：