含空值的Python多维数组按datetime子数组排序问题

我来帮你搞定这个排序问题，先理清楚核心需求：根据第一个子数组（全是datetime对象）的排序顺序，同步调整其他子数组的元素位置，而不是对每个子数组单独排序。之前的sorted代码报错，是因为你错误地用了每个子数组的第一个元素作为排序键，导致None和datetime对象无法比较，这完全偏离了你的实际需求。

现有Pandas方案的优缺点 #

你用Pandas的方案确实能解决问题，优点是代码简洁，Pandas对行列操作的封装很成熟；但缺点也很明显：

• 引入了第三方依赖，如果是小型脚本或者环境受限的场景，有点大材小用
• 可能会自动转换datetime为timestamp（取决于具体操作），破坏原数据类型

纯Python无依赖的最优方案 #

其实用纯Python就能高效解决这个问题，核心思路是先获取datetime子数组的排序索引，再用这个索引同步重排所有子数组，步骤如下：

步骤1：生成排序索引 #

先对第一个子数组的元素和它们的原始索引配对，按datetime从小到大排序后，提取出排序后的索引顺序：

import datetime
import psycopg2.tz

# 你的原数组
ar = [
    [datetime.datetime(2018, 4, 11, 4, 0, 30,tzinfo=psycopg2.tz.FixedOffsetTimezone(offset=0, name=None)), 
     datetime.datetime(2018, 4, 11, 4, 0, 29, tzinfo=psycopg2.tz.FixedOffsetTimezone(offset=0, name=None)), 
     datetime.datetime(2018, 4, 11, 4, 0, 28, tzinfo=psycopg2.tz.FixedOffsetTimezone(offset=0, name=None))],
    [None,2,1],
    [None,2,1],
    [None,2,1]
]

# 获取第一个子数组的排序索引：按datetime升序排列，得到原始位置的索引列表
sorted_indices = sorted(range(len(ar[0])), key=lambda i: ar[0][i])

步骤2：同步重排所有子数组 #

遍历每个子数组，按照刚才生成的索引顺序重新取元素：

# 对每个子数组应用排序索引，得到最终排序后的数组
sorted_ar = [
    [sub_arr[i] for i in sorted_indices]
    for sub_arr in ar
]

运行后得到的sorted_ar就是你想要的结果：

[
    [datetime.datetime(2018, 4, 11, 4, 0, 28,tzinfo=psycopg2.tz.FixedOffsetTimezone(offset=0, name=None)), 
     datetime.datetime(2018, 4, 11, 4, 0, 29, tzinfo=psycopg2.tz.FixedOffsetTimezone(offset=0, name=None)), 
     datetime.datetime(2018, 4, 11, 4, 0, 30, tzinfo=psycopg2.tz.FixedOffsetTimezone(offset=0, name=None))],
    [1,2,None],
    [1,2,None],
    [1,2,None]
]

扩展：处理datetime子数组含None的情况 #

如果你的datetime子数组里也有None，可以在生成索引时自定义None的排序位置（比如把None放在最后）：

# 把None排在最后，然后按datetime升序
sorted_indices = sorted(range(len(ar[0])), key=lambda i: (ar[0][i] is None, ar[0][i]))

总结 #

• 如果你的项目已经依赖Pandas，原方案可以继续用，但要注意数据类型的转换问题
• 追求轻量、无依赖或者需要更灵活的排序逻辑时，纯Python的索引排序方案是最优选择，效率高且完全保留原数据类型

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