如何按月+年的顺序对数据框进行排序？

Question

我是 python 新手，我正在尝试解决以月+年格式对 df 进行排序的问题，而我的原始数据如下所示： （重新编辑：不好意思，查了一下原来的df，月份列其实是这样的：Aug, Jul, Jul, Jun。不是数字格式）

ID       year   month      ym
1        2018    Aug    Aug 2018
2        2018    Jul    Jul 2018
3        2019    Jul    Jul 2019
4        2019    Jun    Jun 2018

我的思路是①按照年份拆分成两个df，然后②对月份排序，最后③合并。但是有一些问题：

对于①，不知道怎么用groupby进行拆分；

对于②，我尝试这样排序，成功了，但是看起来只是临时排序：

sort_order=['Jan','Feb','Mar','Apr','May','Jun','Jul','Aug','Sep','Oct','Nov','Dec']
df.index = pd.CategoricalIndex(df['month'], categories=sort_order, ordered=True)
df.sort_index().reset_index(drop=True)

对于③，我担心因为它是临时排序的，所以我尝试将它们两者合并时会是原始的。

我相信应该有更好的方法来解决这个问题。谁能给个提示，或者指出我有什么错吗？谢谢！！

Answer 1

根据您的示例（假设您的数据框名为 df），只需执行以下操作：

df = df.sort_values(["year", "month"])

这就是结果：

    year    month   ym
1   2018    7   Jul 2018
0   2018    8   Aug 2018
3   2019    6   Jun 2018
2   2019    7   Jul 2019

编辑请求：

所以要将月份字符串转换为数字，只需这样做： 创建字典：

months = {
    "Jun": 6, 
    "Jul":7 ,
    "Aug": 8, 
    ....
}

等等， 然后只需创建一个函数将月份转换为这样的整数：

def transform(month):
    return months[month]

然后将其应用于您的 df

df["month"] = df["month].apply(transform)

通过这种方式，您将在月份列中拥有一个包含整数而不是字符串的数据框

Answer 2

你可以用YYYY-mm组成一个复合字符串，然后按照这个顺序排序。

我们首先将MMM YYYY 字符串格式的ym 列转换为pd.to_datetime 的日期时间格式，然后使用dt.strftime 格式化YYYY-mm 中的日期字符串。这种格式字符串以年开头，然后是月份，适合按时间顺序排序。

df['YYYY-mm'] = pd.to_datetime(df['ym'], format='%b %Y').dt.strftime('%Y-%m')

df = df.sort_values('YYYY-mm')

结果：

print(df)


   ID  year month        ym  YYYY-mm
3   4  2019   Jun  Jun 2018  2018-06
1   2  2018   Jul  Jul 2018  2018-07
0   1  2018   Aug  Aug 2018  2018-08
2   3  2019   Jul  Jul 2019  2019-07

Answer 3

如果你想使用日期，我建议你使用真实的DatetimeIndex

df = df.set_index(pd.to_datetime(df['ym']).rename('datetime'))
print(df)

# Output:
            ID  year  month        ym
datetime                             
2018-08-01   1  2018      8  Aug 2018
2018-07-01   2  2018      7  Jul 2018
2019-07-01   3  2019      7  Jul 2019
2018-06-01   4  2019      6  Jun 2018

现在您可以轻松地对数据框进行排序

>>> df.sort_index(ascending=False)
            ID  year  month        ym
datetime                             
2019-07-01   3  2019      7  Jul 2019
2018-08-01   1  2018      8  Aug 2018
2018-07-01   2  2018      7  Jul 2018
2018-06-01   4  2019      6  Jun 2018

过滤你的数据框：

>>> df[df.index > "2018-06"]
            ID  year  month        ym
datetime                             
2018-08-01   1  2018      8  Aug 2018
2018-07-01   2  2018      7  Jul 2018
2019-07-01   3  2019      7  Jul 2019

按年份分组：

>>>  df.groupby(df.index.year)['ID'].sum()
datetime
2018    7
2019    3
Name: ID, dtype: int64