如何按月份+年份格式对Pandas DataFrame进行自定义排序

你完全不需要按年份拆分再合并，直接通过有序分类或者日期类型排序即可，两种实现方式如下：

方法1：基于有序分类多列排序 #

和你原有思路最接近的优化版本，逻辑直观易理解：

import pandas as pd
# 定义月份优先级顺序
sort_order = ['Jan','Feb','Mar','Apr','May','Jun','Jul','Aug','Sep','Oct','Nov','Dec']
# 直接把month列转为有序分类，无需修改索引
df['month'] = pd.Categorical(df['month'], categories=sort_order, ordered=True)
# 按年份、月份先后排序，ignore_index参数直接重置行号，无需额外调用reset_index
df = df.sort_values(by=['year', 'month'], ignore_index=True)

方法2：基于日期类型自动排序（更省事，无需自定义月份顺序） #

直接把ym列转为pandas日期类型，会自动识别英文月份缩写，不需要手动维护月份顺序：

# 把ym列转为日期类型，%b对应英文月份缩写，%Y对应4位年份
df['ym_dt'] = pd.to_datetime(df['ym'], format='%b %Y')
# 按日期列排序
df = df.sort_values(by='ym_dt', ignore_index=True)
# 排序完成后可以删掉临时的日期辅助列
df = df.drop(columns='ym_dt')

原有操作的问题解答 #

• 如果你确实需要用groupby按年份拆分，写法如下，但排序场景完全不需要这么做：

# 按year分组后提取每个分组的df，存储为列表
year_dfs = [group for _, group in df.groupby('year')]

• 排序临时生效的原因是df.sort_index()默认返回新的DataFrame对象，不会修改原df，你要么把结果赋值给变量（比如df = df.sort_index().reset_index(drop=True)），要么加inplace=True参数，更推荐赋值的写法，避免inplace带来的隐性修改问题。
• 只要你把排序后的结果赋值给变量保存，不管后续是合并还是其他操作，都不会回到原始顺序，无需担心。

内容的提问来源于stack exchange，提问作者resssslll