如何按年份+会议序号对 Pandas DataFrame 列头进行自然排序-Python教程-PHP中文网

如何按年份+会议序号对 Pandas DataFrame 列头进行自然排序

本文介绍如何将形如 "m1/2023"、"m10/2024" 的列名，按先年份后会议编号（支持数值型自然排序）重新排列，避免字符串排序导致的 "m10/2023" 错排在 "m2/2023" 之前的问题。

本文介绍如何将形如 "m1/2023"、"m10/2024" 的列名，按先年份后会议编号（支持数值型自然排序）重新排列，避免字符串排序导致的 "m10/2023" 错排在 "m2/2023" 之前的问题。

在处理时间序列或分组会议数据时，Pandas DataFrame 的列头常采用 M{N}/{YEAR} 格式（如 M1/2023、M10/2024）。若直接使用 df.sort_index(axis=1) 或 sorted(df.columns)，Python 默认按字符串字典序排序，会导致 M10/2023 排在 M2/2023 之前（因为 "M10" 结构化解析列名 + 自然排序（natural sort）。

✅ 推荐解决方案：str.split + natsort_key

借助 natsort 库提供的 natsort_key，可实现对拆分后的年份与会议编号进行“智能”排序（自动识别数字并按数值大小比较）：

from natsort import natsort_key
import pandas as pd

# 假设 df 是你的原始 DataFrame
# 将列名转为 Series，按 '/' 拆分为两列：[会议标识, 年份]
col_series = df.columns.to_series()
split_df = col_series.str.split('/', expand=True)

# 按第1列（年份）、第0列（会议编号）排序，key 使用 natsort_key 实现自然排序
sorted_idx = split_df.sort_values(by=[1, 0], key=natsort_key).index

# 用新顺序重排 DataFrame 列
df_sorted = df[sorted_idx].copy()

? 说明：by=[1, 0] 表示先按拆分后的第2列（索引1，即年份）升序，再按第1列（索引0，即 M1, M2 等）自然升序；natsort_key 确保 "M10" 正确排在 "M2" 之后。

⚠️ 注意事项与替代方案

依赖安装：需提前安装 natsort：pip install natsort
无外部依赖方案（纯 Pandas）：若无法引入第三方库，可手动提取年份和会议数字并构造排序键：
```
def extract_sort_key(col):
    m, y = col.split('/')
    return (int(y), int(m[1:]))  # 提取 'M10' → 10, '2023' → 2023

sorted_cols = sorted(df.columns, key=extract_sort_key)
df_sorted = df[sorted_cols].copy()
```
此方法适用于标准命名（M 后紧跟数字），但不如 natsort_key 鲁棒（例如不支持 Meeting_1/2023 等变体）。
避免 reindex() 导致 NaN：你之前尝试 df.reindex(columns=new_cols) 失败，很可能因 new_cols 中存在原 DataFrame 不含的列名，或未严格匹配原始列集合。推荐始终使用 df[new_cols] 切片方式——它仅选取存在的列，安全且高效。

✅ 最终效果验证

对原始列 ['M1/2023', 'M1/2024', 'M2/2023', 'M2/2024', 'M10/2023', 'M10/2024']，上述方法输出为：
['M1/2023', 'M2/2023', 'M10/2023', 'M1/2024', 'M2/2024', 'M10/2024'] —— 完全符合业务需求：同一年内会议按数字升序，跨年则按年份升序。

掌握此技巧，可轻松应对各类带混合文本-数字标识的列排序场景，大幅提升时间维度数据的可读性与分析效率。