如何在pandas读取JSON统计值时保持日期升序并设置count列

原代码中value_counts()默认按统计频次降序排列，且返回结果为Series类型，因此会出现排序不符合要求、结构不对的问题，可使用以下两种方案解决：

方案1：使用groupby直接统计（推荐） #

import pandas as pd

# 读入行式JSON文件
df = pd.read_json('filename.json', lines=True)
# 按日期分组统计，默认按日期升序，直接生成规范双列DataFrame
result = df.groupby('date', as_index=False).size().rename(columns={'size': 'count'})

方案2：基于原有value_counts逻辑调整 #

import pandas as pd

df = pd.read_json('filename.json', lines=True)
# 先统计频次，再按日期索引升序，最后调整为双列DataFrame并修改列名
result = df['date'].value_counts().sort_index().reset_index(name='count')

额外说明 #

如果你的日期存在非标准格式，可先将date列转为日期类型再统计，保证排序准确性：

df['date'] = pd.to_datetime(df['date']).dt.date

最终得到的result就是日期升序、列名为date和count的标准双列DataFrame。

内容的提问来源于stack exchange，提问作者user16133525