Python 如何按英文日期格式而不是美国熊猫进行排序

下面是（

df.sort（'date'）

）的输出示例

如您所见，它使用天数表示月份，反之亦然。你知道怎么解决这个问题吗

您可以使用并使用format参数，然后对其进行排序

    symb                dates
4     BLK  01/03/2014 09:00:00
0     BBR  02/06/2014 09:00:00
21     HZ  02/06/2014 09:00:00
24   OMNI  02/07/2014 09:00:00
31   NOTE  03/04/2014 09:00:00
65    AMP  03/04/2016 09:00:00
40    RBY  04/07/2014 09:00:00

---

我不确定您是如何获取数据的，但如果您是从CSV等源导入数据，则可以使用pandas.read\u CSV并设置

parse\u dates=True

。问题是日期列的类型是什么？您可以使用`dateutil.parse.parse轻松地将它们更改为类似日期的对象。比如说,

>> df['date'] = pd.to_datetime(df['date'], format='%m/%d/%Y %H:%M:%S')
>> df.sort('date')

               date    symb
0 2014-01-03 09:00:00   BLK
1 2014-02-06 09:00:00   BBR
2 2014-02-06 09:00:00    HZ
3 2014-02-07 09:00:00  OMNI
4 2014-03-04 09:00:00  NOTE
6 2014-04-07 09:00:00   RBY
5 2016-03-04 09:00:00   AMP

这将获得[ISO8601格式]，该格式可能比

dd/mm/yyyy

格式更可取，但如果必须使用该格式，则可以使用@umutto

推荐的代码进行排序：

---

另一种解决方案是使用参数

parse_dates

in，如果格式

dd/mm/YYYY

add

dayfirst=True

：

#format dd/mm/YYYY
df['dates'] = pd.to_datetime(df['dates'], dayfirst=True)
print (df.sort_values('dates'))
    symb               dates
4    BLK 2014-03-01 09:00:00
31  NOTE 2014-04-03 09:00:00
0    BBR 2014-06-02 09:00:00
21    HZ 2014-06-02 09:00:00
24  OMNI 2014-07-02 09:00:00
40   RBY 2014-07-04 09:00:00
65   AMP 2016-04-03 09:00:00

---

---

请注意，

.sort（）

方法已被弃用，请使用

.sort\u values（）

instead@MaxU很好，看到了警告，但没有引起混淆，因为OP使用.sort（）。在读取时正确读取

pandas Read_csv

中的dd/mm/yyyy日期格式。使用选项

parse_dates

，您将需要

dayfirst=True

。与大多数使用

read\u csv

的问题一样，解决方法是使用正确的选项在第一次正确使用

read\u csv

，而不是在之后进行修复。

#format mm/dd/YYYY
df['dates'] = pd.to_datetime(df['dates'])
print (df.sort_values('dates'))
    symb               dates
4    BLK 2014-01-03 09:00:00
0    BBR 2014-02-06 09:00:00
21    HZ 2014-02-06 09:00:00
24  OMNI 2014-02-07 09:00:00
31  NOTE 2014-03-04 09:00:00
40   RBY 2014-04-07 09:00:00
65   AMP 2016-03-04 09:00:00

#format dd/mm/YYYY
df['dates'] = pd.to_datetime(df['dates'], dayfirst=True)
print (df.sort_values('dates'))
    symb               dates
4    BLK 2014-03-01 09:00:00
31  NOTE 2014-04-03 09:00:00
0    BBR 2014-06-02 09:00:00
21    HZ 2014-06-02 09:00:00
24  OMNI 2014-07-02 09:00:00
40   RBY 2014-07-04 09:00:00
65   AMP 2016-04-03 09:00:00

import pandas as pd
import numpy as np
from pandas.compat import StringIO

temp=u"""symb,dates
BLK,01/03/2014 09:00:00
BBR,02/06/2014 09:00:00
HZ,02/06/2014 09:00:00
OMNI,02/07/2014 09:00:00
NOTE,03/04/2014 09:00:00
AMP,03/04/2016 09:00:00
RBY,04/07/2014 09:00:00"""
#after testing replace 'StringIO(temp)' to 'filename.csv'
df = pd.read_csv(StringIO(temp), parse_dates=['dates'])

print (df)
   symb               dates
0   BLK 2014-01-03 09:00:00
1   BBR 2014-02-06 09:00:00
2    HZ 2014-02-06 09:00:00
3  OMNI 2014-02-07 09:00:00
4  NOTE 2014-03-04 09:00:00
5   AMP 2016-03-04 09:00:00
6   RBY 2014-04-07 09:00:00

print (df.dtypes)
symb             object
dates    datetime64[ns]
dtype: object

print (df.sort_values('dates'))
   symb               dates
0   BLK 2014-01-03 09:00:00
1   BBR 2014-02-06 09:00:00
2    HZ 2014-02-06 09:00:00
3  OMNI 2014-02-07 09:00:00
4  NOTE 2014-03-04 09:00:00
6   RBY 2014-04-07 09:00:00
5   AMP 2016-03-04 09:00:00

#after testing replace 'StringIO(temp)' to 'filename.csv'
df = pd.read_csv(StringIO(temp), parse_dates=['dates'], dayfirst=True)

print (df)
   symb               dates
0   BLK 2014-03-01 09:00:00
1   BBR 2014-06-02 09:00:00
2    HZ 2014-06-02 09:00:00
3  OMNI 2014-07-02 09:00:00
4  NOTE 2014-04-03 09:00:00
5   AMP 2016-04-03 09:00:00
6   RBY 2014-07-04 09:00:00

print (df.dtypes)
symb             object
dates    datetime64[ns]
dtype: object

print (df.sort_values('dates'))
   symb               dates
0   BLK 2014-03-01 09:00:00
4  NOTE 2014-04-03 09:00:00
1   BBR 2014-06-02 09:00:00
2    HZ 2014-06-02 09:00:00
3  OMNI 2014-07-02 09:00:00
6   RBY 2014-07-04 09:00:00
5   AMP 2016-04-03 09:00:00