根据时间变量列对分组数据框进行排序

Question

我有一个包含 ID、名称、日期时间和值的数据框。当我使用这个 DF 的 dtypes 时，我得到 ​​p>

ID - int64
time - object
value - int

我想按 ID 对数据框进行分组，然后按时间顺序对行进行排序。我尝试了以下，

df['time'] = pd.to_datetime(df['time'])
p= df.groupby(['ID'])

然后我尝试了，

p.sort_values(['time'])

但出现错误，

AttributeError: Cannot access callable attribute 'sort_values' of 'DataFrameGroupBy' objects, try using the 'apply' method

然后我尝试了，

p['time'].apply(lambda x: x.sort_values())

这似乎仅适用于该列。我无法对所有列进行排序。我想在分组 ID 后根据时间变量对整个数据帧进行排序。我知道这可能我们很容易。但是试了很久没有结果。有人可以帮我做这件事吗？

Answer 1

在您的特定情况下，您不能只排序而不是 groupby 吗？例如

>>> df
   ID       time  value
0   1 2016-03-05     10
1   1 2016-01-04     20
2   2 2015-05-05     30
3   3 2016-01-02     40
>>> df.dtypes
ID                int64
time     datetime64[ns]
value             int64
dtype: object
>>> df.sort_values(["ID", "time"])
   ID       time  value
1   1 2016-01-04     20
0   1 2016-03-05     10
2   2 2015-05-05     30
3   3 2016-01-02     40

这将根据每行的 (ID, time) 的 2 元组键对它们进行排序，并且即使有多个类似 value 的列也会以相同的方式工作：

>>> df.sort_values(["ID", "time"]) # different df
   ID       time  value  value2
1   1 2016-01-04     20     200
0   1 2016-03-05     10     100
2   2 2015-05-05     30     300
3   3 2016-01-02     40     400