pandas 关于日期排序部分利用小记

项目场景：

对于商超逐日都会有许多收支流水，对于一些分店和总店一些导出流水格式不一。末了要将这些流水汇总后一起查对

---

题目形貌

以下是对于Excel表单中日期顺序的大概性

• 对于一张Excel表中多日期(年代日 时分秒)按照正常时间正序大概倒序
  
• 对于一张Excel表中单一某一天(年代日 时分秒)按照正常时间正序大概倒序
  
• 对于一张Excel表中多日期(年代日 时分秒)按照日期月份是指定顺序，按照日期是指定顺序
  
• 对于一张Excel表中多日期(年代日 时分秒) 按照日期月份是乱序，按照日期是指定顺序
  
• 对于一张Excel表中多日期(年代日) 按照正常时间正序大概倒序
  
• 对于一张Excel表中单一某一天(年代日)按照正常时间正序大概倒序
  
• 对于一张Excel表中多日期(年代日)按照日期月份是指定顺序，按照日期是指定顺序
  
• 对于一张Excel表中多日期(年代日)按照日期月份是乱序，按照日期是指定顺序
  

---

缘故起因分析：

   对于Excel表格，尤其是日期中不含时分秒的环境，经常利用排序时会出现同一日期数据顺序错乱的环境
  原数据表                              错误排序后效果                    正确排序后效果        

错误排序和正确排序区别在于2024-01-01 00:00:00 对应的0101-1,0101-2，0101-3 的先后顺序。途中除源数据表，其余均为降序分列

---

办理方案：

   data = {“A”:"", "B":""}
  df = pd.DataFrame(data)
  # ascending=False 是降序
  # ascending=True 是升序

1. # 1.对于一张Excel表中多日期(年月日 时分秒)按照正常时间正序或者倒序
2. # 2.对于一张Excel表中单一某一天(年月日 时分秒)按照正常时间正序或者倒序
3. # 注意这种方式不可以出现时分秒为00:00:00情况
4. df.sort_values(by="A", inplace=True, ascending=False)

复制代码

1. # 3.对于一张Excel表中多日期(年月日 时分秒)按照日期月份是指定顺序，按照日期是指定顺序
2. # 4.对于一张Excel表中多日期(年月日 时分秒) 按照日期月份是乱序，按照日期是指定顺序
3. # 7.对于一张Excel表中多日期(年月日)按照日期月份是指定顺序，按照日期是指定顺序
4. # 8.对于一张Excel表中多日期(年月日)按照日期月份是乱序，按照日期是指定顺序
5. # todo 新增Month列，并进行分组
6. pd_deal['A_format'] = pd.to_datetime(pd_deal['A_format'])
7. pd_deal['Month'] = pd.to_datetime(pd_deal['A_format']).dt.strftime("%Y-%m")
8. # todo 遍历每一个月份，得到该月的日期
9. for name, group in pd_deal.groupby('Month'):
10.     # todo 得到月内去重后的日期，这一步很重要，pandas判断单调性的方法对于重复数据会判断失误，因此需要进行去重
11.     dates_only = group['A_format'].dt.strftime("%Y-%m-%d").drop_duplicates()
12.     df1 = pd_deal[pd_deal["Month"].isin([name])]
13.     # todo 由于乱序或者日期非统一单调性因此，将月内全部日期按照索引删掉
14.     index1 = df1.index.values.tolist()
15.     pd_deal.drop(index=index1, inplace=True)
16.     # todo 判断单调性 这种情况是某月内容只有一个日期
17.     if dates_only.is_monotonic_decreasing and dates_only.is_monotonic_increasing:
18.          df1['A_sfm'] = pd.to_datetime(df1['A']).dt.strftime("%H:%M:%S")
19.          # todo 筛出并去掉时分秒为00:00:00
20.          df2 = df1[~df1["A_sfm"].isin(["00:00:00"])]
21.          # todo 将时分秒去重
22.          only_day_data = df2['A_sfm'].drop_duplicates()
23.          # todo 判断单调性(降序)
24.          if only_day_data.is_monotonic_decreasing:
25.               # todo 顺序翻转
26.               df1 = df1.iloc[::-1]
27.               df1.drop(["A_sfm"], axis=1, inplace=True)
28.     # todo 判断单调性
29.     elif dates_only.is_monotonic_decreasing:
30.          df1 = df1.iloc[::-1]
31.          pd_deal = pd_deal._append(df1)
32. # todo 索引重新排序
33. pd_deal.reset_index(inplace=True)
34. pd_deal.drop(["Month", "A_format", "index"], axis=1, inplace=True)

复制代码

1. # 5.对于一张Excel表中多日期(年月日) 按照正常时间正序或者倒序
2. # 6.对于一张Excel表中单一某一天(年月日)按照正常时间正序或者倒序
3. df= df.iloc[::-1]  # -1 是翻转，属于倒序，正常就是默认顺序

复制代码

 
 
 
 
 


免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。