如何对pandas DataFrame按月份优先排序 实现温度数据按月分组绘图

排序逻辑调整方案 #

你已经将Date列解析为datetime类型，可以直接通过日期内置属性提取排序键实现需求：

1. 新增月份、年份辅助字段，按「月份优先、年份其次」的规则对DataFrame排序：

# 提取排序用的月份、年份字段
df1['month'] = df1['Date'].dt.month
df1['year'] = df1['Date'].dt.year
# 排序规则：先按月份升序，同月份下按年份升序
df1 = df1.sort_values(by=['month', 'year'], ascending=[True, True])

2. 后续按日期分组统计温度时，关闭groupby的默认自动排序，保留上面调整好的行顺序即可：

# groupby加sort=False参数，避免被自动按日期重排
str_dates_temp = df1.groupby("Date", sort=False)["str_dates"].unique().to_list()
str_dates = [''.join(x) for x in str_dates_temp]
grouped_max_list = df1.groupby("Date", sort=False)["Data_Value"].max().to_list()
grouped_min_list = df1.groupby("Date", sort=False)["Data_Value"].min().to_list()

如果后续不需要保留month、year辅助字段，可在排序完成后删除：

df1.drop(['month', 'year'], axis=1, inplace=True)

内容的提问来源于stack exchange，提问作者MarkS