Pandas绘制月度销量柱状图时月份无法按时间顺序排序如何解决

根因 #

你当前的Month字段为object字符串类型，value_counts(sort=False)仅会按数据集中首次出现的月份顺序返回结果，不会自动识别时间先后，因此无法得到自然月份排序的统计结果。

解决方案 #

方案1：直接使用已有datetime类型的Date字段生成有序统计结果（更推荐，无需修改原字段） #

该方案不需要依赖单独的Month字段，直接从日期字段提取月份信息，天然保证时间顺序：

import pandas as pd

# 按月份的数值顺序分组统计销量，索引为1-12代表1月到12月
monthly_count = sales.groupby(sales['Date'].dt.month)['Order_Quantity'].count()
# 可按需修改索引为月份名称，以下为英文月份缩写示例
monthly_count.index = ['Jan','Feb','Mar','Apr','May','Jun','Jul','Aug','Sep','Oct','Nov','Dec']
# 绘制柱状图
monthly_count.plot(kind='bar')

方案2：将原Month字段转为有序分类类型 #

如果你的数据中Month字段为固定格式的月份名称（如英文全称/缩写、中文月份），可以指定其顺序为自然时间顺序：

# 按自然时间定义月份顺序，按需替换为你数据中的月份格式
month_order = ['January', 'February', 'March', 'April', 'May', 'June', 'July', 'August', 'September', 'October', 'November', 'December']
# 将Month字段转为有序分类类型
sales['Month'] = pd.Categorical(sales['Month'], categories=month_order, ordered=True)
# 此时统计结果默认按指定的分类顺序排列
sales['Month'].value_counts(sort=False).plot(kind='bar')

注意事项 #

如果你的数据集包含多个年份的销售数据，统计时需要先按年份+月份分组，避免不同年份的同月份数据合并：

# 按年+月分组统计示例
sales.groupby([sales['Date'].dt.year, sales['Date'].dt.month])['Order_Quantity'].count().plot(kind='bar')

内容的提问来源于stack exchange，提问作者Guido Carugati