如何在Pandas DataFrame中仅对年月命名的列进行排序？

要实现仅对「年月」格式命名的列排序，同时保留其他列的原有顺序，可按以下步骤操作：

1. 自动识别年月格式列 #

由于不同股票的列存在差异，不能硬编码列名，可通过两种方式自动筛选目标列：

方式一：日期转换验证 #

遍历所有列名，尝试按「英文月份缩写+空格+四位年份」格式转换为日期，转换成功的即为目标列：

import pandas as pd

date_cols = []
for col in df.columns:
    try:
        pd.to_datetime(col, format='%b %Y')
        date_cols.append(col)
    except ValueError:
        continue

方式二：正则表达式匹配 #

用正则表达式匹配符合格式的列名：

import re

pattern = r'^[A-Z][a-z]{2} \d{4}$'
date_cols = [col for col in df.columns if re.match(pattern, col)]

2. 对年月列按日期顺序排序 #

将识别出的列名转换为日期对象，以此为依据排序：

sorted_date_cols = sorted(date_cols, key=lambda x: pd.to_datetime(x, format='%b %Y'))

3. 重构DataFrame列顺序 #

保留非年月列的原有顺序，后续拼接排序后的年月列：

non_date_cols = [col for col in df.columns if col not in date_cols]
df_sorted = df[non_date_cols + sorted_date_cols]

完整示例代码 #

结合你提供的DataFrame，完整可运行代码如下：

import pandas as pd
import re

# 构造示例数据
data = {
    'Quarterly Results': ['Sales', 'Expenses', 'Operating Profit', 'OPM %', 'Other Income'],
    'Stockname': ['526433']*5,
    'Mar 2021': [40.8, 36.78, 4.02, '9.85%', 0.7],
    'Jun 2021': [41.64, 36.7, 4.94, '11.86%', 0.5],
    'Sep 2021': [47.7, 39.98, 7.72, '16.18%', 0.35],
    'Dec 2021': [47.62, 42.3, 5.32, '11.17%', 3.89],
    'Dec 2022': [54.14, 48.94, 5.2, '9.60%', 2.74],
    'Mar 2023': [51.94, 49.74, 2.2, '4.24%', 1.55],
    'Jun 2023': [50.95, 48.58, 2.37, '4.65%', 1.98],
    'Sep 2023': [50.39, 48.46, 1.93, '3.83%', 0.42],
    'Mar 2022': [54.71, 51.69, 3.02, '5.52%', 2.19],
    'Jun 2022': [50.92, 45.54, 5.38, '10.57%', 2.43],
    'Sep 2022': [63.42, 57.43, 5.99, '9.44%', 1.58]
}
df = pd.DataFrame(data)

# 识别年月列
pattern = r'^[A-Z][a-z]{2} \d{4}$'
date_cols = [col for col in df.columns if re.match(pattern, col)]

# 排序年月列
sorted_date_cols = sorted(date_cols, key=lambda x: pd.to_datetime(x, format='%b %Y'))

# 重新排列列
non_date_cols = [col for col in df.columns if col not in date_cols]
df_sorted = df[non_date_cols + sorted_date_cols]

# 输出排序后的列名
print(df_sorted.columns)

运行后，列将按如下顺序排列：
['Quarterly Results', 'Stockname', 'Mar 2021', 'Jun 2021', 'Sep 2021', 'Dec 2021', 'Mar 2022', 'Jun 2022', 'Sep 2022', 'Dec 2022', 'Mar 2023', 'Jun 2023', 'Sep 2023']

关键说明 #

• 两种识别方法均无需硬编码列名，可适配不同股票的列差异。
• 通过pd.to_datetime转换列名实现排序，确保跨年度的列排序逻辑准确。

内容的提问来源于stack exchange，提问作者RSW