如何格式化Pandas DataFrame索引列日期且不打乱索引顺序？

问题根源 #

当你将Data_Date从datetime类型转换为%d/%m/%Y格式的字符串后，索引会按照字符串字典序排序（例如'01/03/2023'会排在'02/02/2023'前面，因为字符串比较是从左到右逐字符匹配），而非实际的日期先后顺序，这就是索引顺序错乱的原因。

解决方案 #

方案1：透视后再转换索引格式（推荐）

先保留Data_Date的datetime类型完成透视，此时索引会自动按日期顺序排列，之后再将索引转换为目标字符串格式：

# 将Data_Date转为datetime类型（不转成字符串）
df['Data_Date'] = pd.to_datetime(df['Data_Date'], format='%Y-%m-%d')

# 执行透视，此时索引为datetime类型，自动按日期排序
df_pivot = df.pivot_table(index='Data_Date', columns='Reference_Date', values='Value')

# 将索引转换为'%d/%m/%Y'格式的字符串
df_pivot.index = df_pivot.index.strftime('%d/%m/%Y')

此方法既保证了索引格式符合要求，又能维持正确的日期顺序。

方案2：透视前转换格式，先排序再透视

如果必须在透视前转换为字符串格式，需先基于原datetime排序，再转换格式：

# 转为datetime类型
df['Data_Date'] = pd.to_datetime(df['Data_Date'], format='%Y-%m-%d')

# 按实际日期排序
df = df.sort_values('Data_Date')

# 转换为目标字符串格式
df['Data_Date'] = df['Data_Date'].dt.strftime('%d/%m/%Y')

# 执行透视
df_pivot = df.pivot_table(index='Data_Date', columns='Reference_Date', values='Value')

提前按日期排好序后，透视后的字符串索引会保持正确顺序。

方案3：保持datetime索引，仅修改显示格式

如果不需要索引为字符串类型，只是希望显示为%d/%m/%Y，可以全局设置日期显示格式，所有datetime类型的索引和列都会按此格式展示：

# 设置全局日期显示格式
pd.options.display.date_format = '%d/%m/%Y'

# 正常转换datetime并透视
df['Data_Date'] = pd.to_datetime(df['Data_Date'], format='%Y-%m-%d')
df_pivot = df.pivot_table(index='Data_Date', columns='Reference_Date', values='Value')

这种方式的优势在于索引仍为datetime类型，后续进行日期切片、时间计算等操作会更便捷。

内容的提问来源于stack exchange，提问作者Ramiro