按特定日期条件过滤 Pandas DataFrame 中的行

Question

我有一个在 Jupyter Notebook 中运行的代码，

这是我得到的 DataFrame 输出结果：-

    LOCATION        DATE   DAKOTA HURRI SPITFIRE
MyIdx                   
176 Duxford     10-Jul-2004     D   H   S
177 Cirencester 10-Jul-2004     D   H   S
178 Brize Nortn 10-Jul-2004     D   H   S
74  Shrivenham  10-Jun-2004     D   H   S
257 Campbletown 15-Aug-2004     D   --  S
258 Sunderland  15-Aug-2004     D   --  S
261 Scampton    15-Aug-2004     D   --  S
200 Fairford    15-Jul-2004     D   --  SS
22  Tilford     15-May-2004     D   --  S
23  Abingdon    15-May-2004     D   --  S
24  Hyde Heath  15-May-2004     D   --  S

版主可以帮我整理一下输出布局吗？

这是我按日期过滤行的代码的两个关键部分：-

(df3['DATE'].str.contains('-10$|15$'))  

和

display.sort_values(by=['DATE'])

第一行代码，是按每月 10 日和 15 日这两天过滤 DataFrame 行输出。

它首先正确输出 DataFrame 输出中的最早日期，即 15 之前的 10，但不是我想要的月份顺序：-

我首先想要 2004 年 6 月 10 日，然后是 7 月 10 日，然后是 5 月 15 日，然后是 7 月 15 日行等。如何修改该行代码，以便我可以过滤以获得该订单，而无需更改通过代码获取 Rows 的索引位置，我知道该怎么做？

我的意思是在两行代码中添加一些内容，以便在较早的月份与较早的日期之前，在同一天的较晚月份之前显示“受青睐”？即 10-Jun-2004 显示在 10-Jul-2004 之前，15-May-2004 显示在 15-Jul-2004 Rows 之前。但仍与第 10 天约会，显示在第 15 天之前的行。

所以显示的行在日期顺序中是这样的：-

10-Jun-2004
10-Jul-2004
15-May-2004
15-Jul-2004
15-Aug-2004

日期输出来自这行代码：-

display['DATE']= pd.to_datetime(display['DATE']).dt.strftime('%d-%b-%Y')

如果我能得到任何帮助，将不胜感激

最好的问候

艾迪·温奇

Answer 1

考虑分别拆分日、月和年的列，然后根据需要对这些列进行排序。使用数字月份进行排序会更容易（如果您希望这样显示，您可以保留显示的日期）。

喜欢：

import pandas as pd
data = [
{"Name": "Alice", "date": "15-May-2004", "Rating": 55},
{"Name": "Bob", "date": "10-Jun-2004", "Rating": 11},
{"Name": "Chanel", "date": "15-Aug-2004", "Rating": 33},
{"Name": "Del", "date": "10-Jul-2004", "Rating": 44},
{"Name": "Erin", "date": "15-Jul-2004", "Rating": 22},
]
df = pd.DataFrame(data)
df['date'] = pd.to_datetime(df['date'])
df['date_day'] = df.apply(lambda row: row.date.day, axis=1)
df['date_month'] = df.apply(lambda row: row.date.month, axis=1)
df['date_year'] = df.apply(lambda row: row.date.year, axis=1)
df = df.sort_values(by=["date_day", "date_month"])

结果：

    Name    date        Rating  date_day    date_month  date_year
1   Bob     2004-06-10  11      10          6           2004
3   Del     2004-07-10  44      10          7           2004
0   Alice   2004-05-15  55      15          5           2004
4   Erin    2004-07-15  22      15          7           2004
2   Chanel  2004-08-15  33      15          8           2004

另一种不添加列的方法是使用key 参数sort_values 来获得您想要的排序：

df = pd.DataFrame(data)
df['date'] = pd.to_datetime(df['date'])
df = df.sort_values(by="date", key=lambda col: 100 * col.dt.day + col.dt.month)