感谢@Brad Solomon提供了一种更快的大写字符串方式！
注意1 @Brad Solomon的答案使用
pd.categorical应该比我的答案节省更多资源。他展示了如何为您的分类数据分配顺序。你不应该错过它：P
或者，您可以使用。
df = pd.Dataframe([["dec", 12], ["jan", 40], ["mar", 11], ["aug", 21], ["aug", 11], ["jan", 11], ["jan", 1]], columns=["Month", "Price"])# Preprocessing: capitalize `jan`, `dec` to `Jan` and `Dec`df["Month"] = df["Month"].str.capitalize()# Now the dataset should look like# Month Price# -----------# Dec XX# Jan XX# Apr XX# make it a datetime so that we can sort it: # use %b because the data use the abbriviation of monthdf["Month"] = pd.to_datetime(df.Month, format='%b', errors='coerce').dt.monthdf = df.sort_values(by="Month")total = (df.groupby(df['Month"])['Price'].mean())# total Month1 17.3333333 11.0000008 16.00000012 12.000000
注意2
groupby默认情况下会为您排序组密钥。请注意，在和中使用相同的键进行排序和分组
df =df.sort_values(by=SAME_KEY)，
total =(df.groupby(df[SAME_KEY])['Price'].mean()).否则，可能会发生意外行为。
注意3
一种更有效的计算方法是先计算均值，然后按月进行排序。这样，您只需要排序12个项目，而不是整个项目
df。如果不需要
df分类，它将减少计算成本。
注释4 对于已经拥有 month
as
index的人，想知道如何使其分类，请看一下熊猫。
CategoricalIndex@jezrael有一个有效的示例，可按月索引对按熊猫系列排列的分类索引进行排序
