Pandasのgroupbyで日付の順序がおかしくなる問題を解決する。

#結論

作成したDataFrameの日付のフォーマットや型に問題がある！

→ 日付のフォーマットは、1/1は01/01の様に記述するなど統一されているか？
→ 日付のデータの型は、to_datetime関数を使うなどして日付の型になっているか？

#DataFrameを作成し、groupbyのsumで日付別の合計値を求める。(ダメな例)

下記の様な日付ごとに果物をいくつ買ったかというDataFrameがあるとする。

import pandas as pd

df = pd.DataFrame({'Date': ['2022/9/1', '2022/9/1', '2022/9/12', '2022/9/12','2022/10/20', '2022/10/20', '2022/11/27', '2022/12/31'],
                'Fruit': ['Apple', 'Banana', 'Apple', 'Orange', 'Grape', 'Apple', 'Grape', 'Orange'],
                'Sale': [3, 1, 2, 7, 3, 1, 8, 4]})

実際のDataFrameは以下の様な感じ。

	Date	Fruit	Sale
0	2022/9/1	Apple	3
1	2022/9/1	Banana	1
2	2022/9/12	Apple	2
3	2022/9/12	Orange	7
4	2022/10/20	Grape	3
5	2022/10/20	Apple	1
6	2022/11/27	Grape	8
7	2022/12/31	Orange	4

このDataFrameから、日付別で果物合計いくつ購入したかを以下の様なコードで算出。

df.groupby(by=['Date']).sum()

しかし、結果としてDateの順序がおかしくなる。

Date	Sale
2022/10/20	4
2022/11/27	8
2022/12/31	4
2022/9/1	4
2022/9/12	9

本来やりたいのはこっち⇩

Date	Sale
2022/9/1	4
2022/9/12	9
2022/10/20	4
2022/11/27	8
2022/12/31	4

何故こうなってしまうのか？

##原因： Dateがstr型として扱われている。

以下のようにDate列の各々の要素がstr型であるので、groupbyメソッドをDateに対して使用した結果、str型の順にsortされるといった現象が起こっている。

type(df.iat[0,0])
>>> str

これにより2022/9/1と2022/9/12のsort順がおかしくなる現象が発生している。

#解決法①： Date列にto_datetime関数を利用し、str型から日付データに変換する。

DataFrameのDate列に対し、以下のコードを実行する事で、str型からTimestamp型に変更できる。

df["Date"] = pd.to_datetime(df["Date"])

上記コードを実行した後groupbyすれば、以下の様なDataFrameが作成される。

Date	Sale
2022-09-01	4
202209-12	9
2022-10-20	4
2022-11-27	8
2022-12-31	4

こちらの方法だと、型を変更する事で日付のフォーマットを統一することができる。

#解決法②： groupbyメソッドを使用した際に、sortせずに元の順序を維持する。

何らかの事情で、元のフォーマットや型をいじりたくない人には、こちらを使って欲しい。
元の順序を維持するには、.groupby(..., sort=False)とする事で解決する。

df.groupby(by=['Date'], sort=False).sum()

結果、以下の様なDataFrameが作成される。

Date	Sale
2022/9/1	4
2022/9/12	9
2022/10/20	4
2022/11/27	8
2022/12/31	4

ニッチな領域だと思うが、誰かの役に立てれば幸いである。