<\/p>\n
Spesso potresti voler ordinare un DataFrame panda in base a una colonna contenente date. Fortunatamente, questo \u00e8 facile da fare utilizzando la funzione sort_values()<\/strong><\/a> .<\/span><\/p>\n Questo tutorial mostra diversi esempi di utilizzo pratico di questa funzione.<\/span><\/p>\n Supponiamo di avere i seguenti panda DataFrame:<\/span><\/p>\n Innanzitutto, dobbiamo utilizzare la funzione to_datetime()<\/strong> per convertire la colonna ‘date’ in un oggetto datetime:<\/span><\/p>\n Successivamente, possiamo ordinare il DataFrame in base alla colonna “data” utilizzando la funzione sort_values()<\/strong> :<\/span><\/p>\n Per impostazione predefinita, questa funzione ordina le date in ordine crescente. Tuttavia, puoi specificare ascending=False<\/strong> per ordinare in ordine decrescente:<\/span><\/p>\n Supponiamo di avere i seguenti panda DataFrame:<\/span><\/p>\n Possiamo utilizzare la funzione sort_values<\/strong> per ordinare il DataFrame su pi\u00f9 colonne semplicemente fornendo pi\u00f9 nomi di colonna alla funzione:<\/span><\/p>\n Il DataFrame \u00e8 ora ordinato in ordine crescente per order_date, quindi in ordine crescente per ricevuta_date.<\/span><\/p>\n Come filtrare le righe Pandas DataFrame per data Spesso potresti voler ordinare un DataFrame panda in base a una colonna contenente date. Fortunatamente, questo \u00e8 facile da fare utilizzando la funzione sort_values() . Questo tutorial mostra diversi esempi di utilizzo pratico di questa funzione. Esempio 1: ordinamento per colonna della data Supponiamo di avere i seguenti panda DataFrame: import pandas as pd #createDataFrame […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Esempio 1: ordinamento per colonna della data<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame<\/span>\ndf = pd.DataFrame({'sales': [4, 11, 13, 9],\n 'customers': [2, 6, 9, 7],\n 'date': ['2020-01-25', '2020-01-18', '2020-01-22', '2020-01-21']})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n sales customers date\n0 4 2 2020-01-25\n1 11 6 2020-01-18\n2 13 9 2020-01-22\n3 9 7 2020-01-21\n<\/strong><\/pre>\n df[' date<\/span> '] = pd. to_datetime<\/span> (df[' date<\/span> '])\n<\/strong><\/pre>\n df. sort_values<\/span> (by=' date<\/span> ')\n\n sales customers date\n1 11 6 2020-01-18\n3 9 7 2020-01-21\n2 13 9 2020-01-22\n0 4 2 2020-01-25\n<\/strong><\/pre>\n df. sort_values<\/span> (by=' date<\/span> ', ascending= False<\/span> )\n\n\tsales customers date\n0 4 2 2020-01-25\n2 13 9 2020-01-22\n3 9 7 2020-01-21\n1 11 6 2020-01-18<\/strong><\/pre>\n Esempio 2: ordinamento per pi\u00f9 colonne di date<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame<\/span>\ndf = pd.DataFrame({'person': ['A', 'B', 'C', 'D'],\n 'order_date': ['2020-01-15', '2020-01-15', '2020-01-20', '2020-01-20'],\n 'receive_date': ['2020-01-25', '2020-01-18', '2020-01-22', '2020-01-21']})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n person order_date receive_date\n0 A 2020-01-15 2020-01-25\n1 B 2020-01-15 2020-01-18\n2 C 2020-01-20 2020-01-22\n3 D 2020-01-20 2020-01-21<\/strong><\/pre>\n #convert both date columns to datetime objects<\/span>\ndf[['order_date','receive_date']] = df[['order_date','receive_date']]. apply<\/span> (pd. to_datetime<\/span> )\n\n#sort DateFrame by order_date, then by receive_date\n<\/span>df. sort_values<\/span> (by=['order_date', 'receive_date'])\n\n person order_date receive_date\n1 B 2020-01-15 2020-01-18\n0 A 2020-01-15 2020-01-25\n3 D 2020-01-20 2020-01-21\n2 C 2020-01-20 2020-01-22<\/strong><\/pre>\n Risorse addizionali<\/strong><\/span><\/h3>\n
Come convertire DateTime fino ad oggi in Panda<\/a>
Come convertire le colonne in DateTime in Pandas<\/a>
Come ordinare sia per indice che per colonna in Pandas<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"