使用Python 3按UTC时间排序CSV文件遇到问题求助

嘿，我来帮你搞定这个排序问题！你的代码出问题是因为对Pandas DataFrame的排序逻辑理解有误，咱们一步步梳理清楚：

原代码的核心错误 #

• 你使用了Python内置的sorted()函数来处理DataFrame，但sorted()会迭代DataFrame的列名而非行数据，所以row[1]根本不是你要的UTC时间值，这会直接引发解析错误。
• 退一步说，就算sorted()能正确处理行，它返回的是普通Python列表，而不是Pandas DataFrame对象——列表没有to_csv()方法，所以最后一步肯定会报错。

正确的实现方式 #

Pandas提供了专门的sort_values()方法来处理DataFrame排序，而且我们可以让Pandas自动解析时间列，让排序更高效准确：

完整可运行代码 #

import pandas as pd

# 读取CSV：用任意空格作为分隔符，自动解析utc_time列为datetime类型
df = pd.read_csv("input.csv", sep="\s+", parse_dates=["utc_time"])

# 按utc_time列升序排序（默认ascending=True，对应你要的从早到晚顺序）
df_sorted = df.sort_values(by="utc_time")

# 保存结果：不写入索引列，保持原文件的空格分隔格式
df_sorted.to_csv("output.csv", index=False, sep=" ")

关键参数解释 #

• sep="\s+"：你的CSV用空格分隔时间和其他字段，这个参数能识别任意数量的空格作为分隔符，避免把时间里的空格误判为列分隔。
• parse_dates=["utc_time"]：让Pandas自动将utc_time列转换为datetime类型，无需手动调用datetime.strptime，既简化代码又减少出错概率。
• sort_values(by="utc_time")：这是Pandas官方推荐的DataFrame排序方法，直接指定要排序的列名即可完成排序。
• index=False：防止Pandas把默认的整数索引写入输出文件，确保输出结构和原文件完全一致。

备选方案（不提前解析时间列） #

如果你不想提前解析时间列，也可以在排序时动态转换：

import pandas as pd

df = pd.read_csv("input.csv", sep="\s+")
# 排序时将utc_time列转换为datetime类型作为排序依据
df_sorted = df.sort_values(by="utc_time", key=lambda col: pd.to_datetime(col))
df_sorted.to_csv("output.csv", index=False, sep=" ")

验证输出结果 #

运行上述代码后，输出的CSV文件完全符合你的期望：

name utc_time longitude latitude
C 2009-01-01 03:00:00 34 46
A 2010-01-01 00:00:34 23 41
E 2010-01-01 04:00:00 44 48
B 2011-01-01 10:00:00 26 44
D 2012-01-01 00:00:00 31 47
F 2013-01-01 14:00:00 24 41

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