使用Python Pandas的pivot方法时如何保持原有顺序？

这个问题我之前处理过，pandas的pivot方法默认会对生成的列（也就是这里的date）进行字典序排序，所以才会出现你看到的日期顺序混乱的情况。下面给你两种简单有效的解决办法：

方法一：将date转为有序分类（推荐） #

在执行pivot之前，把date列转换成有序分类类型，指定分类的顺序为原数据中date的原始顺序，这样pivot时就会严格遵循这个顺序生成列：

import pandas as pd

# 初始化你的DataFrame
df = {'Region':['France','France','France','France'],'total':[1,2,3,4],'date':['12/30/19','12/31/19','01/01/20','01/02/20']}
df=pd.DataFrame.from_dict(df)

# 将date列转为有序分类，categories设为原数据的唯一date值（保持原始顺序）
df['date'] = pd.Categorical(df['date'], categories=df['date'].unique(), ordered=True)

# 执行pivot
pandas_temp = df.pivot(index='Region', values='total', columns='date')
print(pandas_temp)

输出结果会保留原始日期顺序：

date    12/30/19  12/31/19  01/01/20  01/02/20
Region                                         
France         1         2         3         4

方法二：pivot后重新排列列 #

如果不想修改原数据的date字段类型，可以在pivot完成后，用原始的date列表重新索引结果的列：

import pandas as pd

# 初始化你的DataFrame
df = {'Region':['France','France','France','France'],'total':[1,2,3,4],'date':['12/30/19','12/31/19','01/01/20','01/02/20']}
df=pd.DataFrame.from_dict(df)

# 先执行pivot
pandas_temp = df.pivot(index='Region', values='total', columns='date')
# 用原始date的顺序重新排列列
pandas_temp = pandas_temp[df['date'].unique()]

print(pandas_temp)

这个方法同样能得到和原始顺序一致的结果。

为什么会出现顺序丢失？ #

因为你的date字段是字符串类型，pandas在执行pivot时，默认会对字符串类型的列名进行字典序排序，'01/01/20'的字典序比'12/30/19'小，所以会排在前面。而上面两种方法都是通过强制指定列的顺序来规避这个默认行为。

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