如何对Python绘制的911呼叫月度数据图表进行数值排序？

嘿，我来帮你搞定这个问题！你现在的代码里，value_counts()默认是按呼叫数量的高低排序的，不是按时间顺序排列月份，所以图表的x轴才会显得杂乱。下面给你两种解决思路，推荐第二种更可靠的方案：

方法一：对现有字符串格式的年月索引重新排序 #

如果你想保留自己拼接的YYYY-MM字符串格式，可以先把索引转换成时间类型，排序后再转回字符串：

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv('911_calls_for_service.csv')
df['callDateTime'] = pd.to_datetime(df['callDateTime'])
# 保留你原来的年月拼接方式
df['MonthYear'] = df['callDateTime'].apply(lambda time: f"{time.year}-{time.month}")

# 获取计数后，将索引转为datetime类型排序
counts = df['MonthYear'].value_counts()
counts.index = pd.to_datetime(counts.index)
counts = counts.sort_index()
# 转回字符串格式的索引（可选，不转也能正常绘图）
counts.index = counts.index.strftime('%Y-%m')

# 绘图和输出
counts.plot()
print(counts)
plt.tight_layout()
plt.show()

方法二：用Pandas内置的时间周期类型（推荐） #

自己拼接字符串容易出现月份是一位数时的排序bug（比如2023-10字符串排序会跑到2023-9前面），用dt.to_period('M')生成的是专门的时间周期类型，天然支持正确的时间排序：

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv('911_calls_for_service.csv')
df['callDateTime'] = pd.to_datetime(df['callDateTime'])
# 生成规范的年月周期类型
df['MonthYear'] = df['callDateTime'].dt.to_period('M')

# 按年月分组计数，直接按索引（时间顺序）排序
monthly_counts = df.groupby('MonthYear').size().sort_index()

# 绘图和输出
monthly_counts.plot()
print(monthly_counts)
plt.tight_layout()
plt.show()

这样生成的图表x轴就会严格按照从早到晚的时间顺序排列啦！

内容的提问来源于stack exchange，提问作者Techie Boy