如何对Pandas DataFrame中存储日期列表的列按时间排序？

问题说明 #

数据集包含id、dates两列，其中dates列每行存储一个或多个未排序的%Y-%m-%d格式日期字符串列表，需要将每行日期按时间升序排列，示例构造数据代码如下：

import pandas as pd
from datetime import datetime

data = [
    [1, ["2017-12-06", "2017-12-05", "2017-12-06", "2018-01-03", "2018-01-04", "2017-11-24"]],
    [2, ["2017-12-06", "2017-12-05", "2017-12-06", "2019-01-03"]]
]
df = pd.DataFrame(data, columns=["id", "dates"])

初始数据预览：

期望输出（升序排列+重复日期去重）：

原有代码失效原因 #

之前的实现返回全None，核心原因是Python列表的list.sort()方法是原地修改操作，不会返回排序后的新列表，默认返回值为None，因此apply执行后拿到的结果全为空值。

# 错误写法示例
f = lambda x: x.sort(key=lambda date: datetime.strptime(date, "%Y-%m-%d"))
df["dates"].apply(f)

正确实现方案 #

• 仅排序保留重复值：因为YYYY-MM-DD格式的日期字符串字典序和时间先后顺序完全一致，直接用内置sorted()函数即可，该函数会返回排序后的新列表，不会原地修改原数据：

  # 最简写法，无需转datetime类型
  df["dates"] = df["dates"].apply(sorted)
  
  # 若需要严格按时间类型排序（兼容后续可能的格式变动）
  df["dates"] = df["dates"].apply(
      lambda x: sorted(x, key=lambda d: datetime.strptime(d, "%Y-%m-%d"))
  )
  

• 排序+去重（匹配示例期望输出）：排序后利用Python 3.7+字典键有序且不重复的特性去重，再转回列表即可：

  df["dates"] = df["dates"].apply(
      lambda x: list(dict.fromkeys(sorted(x)))
  )
  

内容的提问来源于stack exchange，提问作者user