Python按"Oct 03 10:06:20"格式时间排序CSV行并写回文件

嘿，我懂你的痛点——你已经能把时间列单独排好序，但没法把对应的整行数据一起关联上，对吧？其实用pandas可以轻松搞定，不用手动拆分、匹配行，效率高还不容易出错。

我给你整理了一套完整的方案，直接替换你原来的代码就行：

完整代码示例 #

import pandas as pd

# 1. 读取整个无表头CSV，保留所有列
df = pd.read_csv('your_file.csv', header=None, sep='|', engine='c')
# 注意：如果你的CSV实际分隔符是逗号而非|，把sep参数改成','即可

# 2. 把第二列（索引为1）转换成可排序的datetime类型
# 直接解析完整时间字符串，包含时区和年份，确保排序逻辑准确
df[1] = pd.to_datetime(df[1], format='%a %b %d %H:%M:%S GMT%z %Y')

# 3. 按转换后的时间列对整个DataFrame排序
df_sorted = df.sort_values(by=1)

# 4. （可选）如果需要把时间列格式化成你期望的简化形式（去掉星期、时区、年份）
df_sorted[1] = df_sorted[1].dt.strftime('%b %d %H:%M:%S')

# 5. 把排序后的结果写回CSV，保留无表头、无索引的原格式
df_sorted.to_csv('sorted_file.csv', header=False, index=False, sep='|')

关键步骤解释 #

• 读取完整数据：你之前只读取了第二列，现在要读取所有列才能保留整行信息；记得根据实际分隔符调整sep参数。
• 时间类型转换：用pd.to_datetime直接解析完整时间字符串，指定正确的格式符后，pandas就能准确识别时间先后顺序，排序逻辑更可靠。
• 整行排序：sort_values(by=1)会直接根据第二列的时间值对整个DataFrame排序，所有列都会跟着对应调整位置，不用手动匹配行。
• 格式调整（可选）：如果需要把时间列改成你期望的简化格式，用dt.strftime就能轻松格式化，比手动截取字符串更稳妥。
• 保存结果：to_csv时设置header=False和index=False，确保输出的CSV和原格式一致，不会多出额外的表头或索引列。

这样处理后，你就能得到完整的、按时间排序的CSV文件啦！

内容的提问来源于stack exchange，提问作者caaax