引入 Pandas 0.15分类系列,这提供了一种更清晰的方法来做到这一点:
首先将月份列设为分类列并指定要使用的顺序。
In [21]: df['m'] = pd.Categorical(df['m'], ["March", "April", "Dec"])
In [22]: df # looks the same!
Out[22]:
a b m
0 1 2 March
1 5 6 Dec
2 3 4 April
现在,当您对月份列进行排序时,它将根据该列表进行排序:
In [23]: df.sort_values("m")
Out[23]:
a b m
0 1 2 March
2 3 4 April
1 5 6 Dec
注意:如果某个值不在列表中,它将被转换为 NaN。
对于那些有兴趣的人来说,这是一个较旧的答案......
您可以创建一个中间系列,并且set_index对此:
df = pd.DataFrame([[1, 2, 'March'],[5, 6, 'Dec'],[3, 4, 'April']], columns=['a','b','m'])
s = df['m'].apply(lambda x: {'March':0, 'April':1, 'Dec':3}[x])
s.sort_values()
In [4]: df.set_index(s.index).sort()
Out[4]:
a b m
0 1 2 March
1 3 4 April
2 5 6 Dec
正如所评论的,在较新的熊猫中,系列有一个replace更优雅地做到这一点的方法:
s = df['m'].replace({'March':0, 'April':1, 'Dec':3})
细微的区别是,如果字典之外存在值,则不会引发此问题(它将保持不变)。