如何在Pandas中将日期列名转为指定格式并按降序排序？

问题出在你直接把日期转成字符串后，透视表的列会按字符串字典序排序，而非实际的日期先后顺序。要实现日期列按降序排列，需要先基于datetime类型对日期排序，再用排序后的字符串列表调整透视表的列顺序。

完整代码实现 #

import pandas as pd

# 加载原始数据
data = [
    ["Server1", "wan1", 100, 80, "ATT", "2024-05-09"],
    ["Server1", "wan1", 100, 50, "Sprint", "2024-06-21"],
    ["Server1", "wan1", 100, 30, "Verizon", "2024-07-01"],
    ["Server2", "wan1", 100, 90, "ATT", "2024-05-01"],
    ["Server2", "wan1", 100, 88, "Sprint", "2024-06-02"],
    ["Server2", "wan1", 100, 22, "Verizon", "2024-07-19"]
]
df = pd.DataFrame(data, columns=["Node", "Interface", "Speed", "Band_In", "carrier", "Date"])

# 1. 保留datetime格式的日期用于排序，同时生成目标格式的字符串
df['Date_dt'] = pd.to_datetime(df['Date'])
# 生成「1-May」「21-Jun」这类格式（Windows系统把%-d换成%#d）
df['Date_str'] = df['Date_dt'].dt.strftime('%-d-%B')

# 2. 计算带宽使用率（和你原代码逻辑一致）
df['is'] = df['Band_In'] / df['Speed'] * 100

# 3. 生成透视表，包含Speed、Band_In列（匹配你期望的输出结构）
pivot_df = df.pivot_table(
    index=['Node', 'Interface', 'Speed', 'Band_In', 'carrier'],
    columns='Date_str',
    values='is',
    aggfunc='first'  # 每个分组对应唯一值，用first即可
).reset_index()

# 4. 基于datetime降序获取排序后的日期字符串列表
sorted_date_cols = df.sort_values('Date_dt', ascending=False)['Date_str'].unique()

# 5. 重新调整透视表的列顺序
final_df = pivot_df[['Node', 'Interface', 'Speed', 'Band_In', 'carrier'] + list(sorted_date_cols)]

print(final_df)

关键逻辑说明 #

• 单独保留Date_dt列（datetime类型）用于排序，避免字符串排序的偏差；
• 透视表生成后，用sort_values('Date_dt', ascending=False)得到降序的日期字符串序列，再重新排列列顺序；
• 针对日期格式的细节：%-d用于去掉日期前的零（如09→9），%B用于月份全称（May→May，Jul→July），Windows系统需替换为%#d。

内容的提问来源于stack exchange，提问作者user1471980