如何按年份分组重新排序Pandas DataFrame的列标题？

问题根源 #

• df.sort_values() 无效：这个方法是对数据值排序，而非对列名排序，所以无法调整列的顺序。
• reindex() 全NaN：你生成的「年份_会议编号」是新列名，但原DataFrame中不存在这些列，reindex 找不到匹配列就会填充NaN，正确做法应该是先重命名列再排序，而非直接用新列名索引。

两种可行解决方案 #

先构造示例数据方便演示：

import pandas as pd
data = {
    'M1/2022': [1,2,3],
    'M3/2021': [4,5,6],
    'M2/2022': [7,8,9],
    'M1/2021': [10,11,12]
}
df = pd.DataFrame(data)

方案1：不修改列名，直接按年份分组排序列

通过提取列名中的年份和会议编号作为排序依据，生成新的列顺序后重新索引：

# 生成排序后的列顺序：先按年份，同一年按会议编号排序
sorted_cols = sorted(df.columns, key=lambda x: (x.split('/')[1], x.split('/')[0]))
# 重新排列列
df_sorted = df[sorted_cols]

结果列顺序：M1/2021 → M3/2021 → M1/2022 → M2/2022

方案2：修改列名为「年份_会议编号」并排序

先用rename替换列名（保留数据），再对新列名排序：

# 创建列名映射字典
col_mapping = {col: f"{col.split('/')[1]}_{col.split('/')[0]}" for col in df.columns}
# 重命名列（不会丢失数据）
df_renamed = df.rename(columns=col_mapping)
# 对新列名按年份、会议编号排序
sorted_renamed_cols = sorted(df_renamed.columns, key=lambda x: (x.split('_')[0], x.split('_')[1]))
df_renamed_sorted = df_renamed[sorted_renamed_cols]

结果列顺序：2021_M1 → 2021_M3 → 2022_M1 → 2022_M2

简化方案（Pandas 1.4+ 支持）

利用sort_index的key参数直接处理列名：

# 将列名拆分后反转顺序（年份在前，会议编号在后），以此为依据排序
df_sorted = df.sort_index(axis=1, key=lambda x: x.str.split('/').str[::-1])

内容的提问来源于stack exchange，提问作者Ramiro