【pandas 系列 第5讲】排序并重置索引

1. 本节目标

第 5 讲解决的是一个经常被低估、但后面会反复影响结果的问题：表的顺序和索引是不是已经整理干净。如果日期顺序乱了，收益率、均线和分组统计都可能看起来“能跑”，但实际含义已经偏掉。

学完这一讲后，你可以直接完成下面几件事：

1. 按日期把表排成稳定顺序。
2. 在排序后把索引重新整理成干净的连续编号。
3. 理解为什么“排序”和“重置索引”通常是连在一起做的。

2. 为什么第 5 讲专门讲排序和索引

前 4 讲里，你已经做过选列、筛行、加收益率、删空值。到了这一步，一个很现实的结果是：表的行顺序和原始索引很可能已经不再那么整齐。若你继续往下算均线和分组统计，却没有先把表整理好，后面的结果就会埋下解释风险。

尤其在金融数据里，时间顺序不是可有可无的美观问题，而是分析语义本身的一部分。第 5 讲就是在帮你把这件事明确下来。

3. 沿用第 4 讲清理后的clean_df

print(clean_df.head())
print(clean_df.index)

第 5 讲开始前，你最好先看一眼当前索引和日期列，确认自己确实知道现在这张表长什么样。

4. 四步整理顺序和索引

这一讲最稳的顺序是先把日期列处理成可排序的类型，再排序，再重置索引，最后从头尾两端确认顺序已经理顺。

5. 先确保日期列可排序

clean_df['date'] = pd.to_datetime(clean_df['date'], errors='coerce')

如果 date 仍是纯字符串，虽然有时也能看起来排对，但显式转成 datetime 会更稳，也更符合后面的时序处理习惯。

6. 按日期排序

sorted_df = clean_df.sort_values('date')
print(sorted_df[['date', 'close']].head())

这一步的核心不是“看着更整齐”，而是确保后面的滚动计算和时间比较建立在可靠顺序上。

7. 重置索引

sorted_df = sorted_df.reset_index(drop=True)
print(sorted_df.index)

排序以后，旧索引往往已经不再有太大意义。重置索引能让这张工作表重新回到一种干净、连续、易于后续定位的状态。

8. 再次查看头部和尾部

print(sorted_df[['date', 'close']].head())
print(sorted_df[['date', 'close']].tail())

头尾都看一遍，比只看前几行更稳。因为你现在真正关心的是整张表的顺序，而不是某几行表面上看起来没问题。

9. 怎样判断顺序已经整理好了

顺序有没有真的整理好，不能只看表面“像不像排过”，而要看日期类型、索引状态和时间先后关系这三件事是否同时成立。

10. 日期列已经是 datetime

assert str(sorted_df['date'].dtype).startswith('datetime64')

11. 索引是连续编号

assert list(sorted_df.index[:3]) == [0, 1, 2]

12. 日期顺序从早到晚

assert sorted_df['date'].is_monotonic_increasing

13. 排序后仍然有有效数据

assert len(sorted_df) > 0

14. 为什么排序和重置索引总要一起出现

这两个动作经常连着出现，是因为它们解决的是同一类问题：前者整理时间顺序，后者整理行号视角。缺一个，后面读表时都可能别扭。

15. 只排序不重置索引行不行

可以运行，但调试时会有点乱。因为表的视觉顺序已经变了，原索引却还保留着旧位置，容易让你误判行号。

16. 日期本来像字符串也能排序，为什么还转 datetime

因为显式转成 datetime 后，后续按月份统计、时间筛选和滚动处理会更稳，也更不容易被格式细节绊住。

17. 如果当前表本来就有序，还需要这一步吗

建议仍然做一次确认。第 5 讲的价值，不只是“修错”，也是“明确顺序已经正确”。

18. 重置索引会不会丢数据

不会。这里只是把旧索引换成一组新的连续编号，表里的实际列和值不会消失。

19. 哪些情况仍然算本讲完成

1. 你排序后发现表本来就有序，也算完成，因为你已经验证了它。
2. 你当前只按日期这一列排序，就足够支撑后续练习。
3. 若日期列中出现个别无法解析值，先看到这个问题本身也是进展。
4. 当前不必把 date 设成索引，第 5 讲先把列顺序理清即可。

20. 写一个最小整理函数

import pandas as pd

def sort_by_date(df: pd.DataFrame) -> pd.DataFrame:
    out = df.copy()
    out['date'] = pd.to_datetime(out['date'], errors='coerce')
    out = out.sort_values('date').reset_index(drop=True)
    return out

sorted_df = sort_by_date(clean_df)
print(sorted_df.head())

21. 排序后顺手抽查一前一后两行

第 5 讲里还有一个很实用的小动作，就是排序完成后，不只看 head()，还可以手动抽查首尾各一行：

print(sorted_df.loc[0, 'date'])
print(sorted_df.loc[len(sorted_df) - 1, 'date'])

如果你能明确看见第一行是更早日期、最后一行是更晚日期，那么你对“顺序已经正确”这件事会更有把握。这类小抽查在后面做滚动计算前非常值钱。

22. 第 5 讲是在给后面的滚动计算铺地基

均线、月度统计、回测准备，这些操作看起来各不相同，但它们都共享一个前提：时间顺序可信。第 5 讲的价值就在这里。它不是一讲“整理格式”的杂事，而是在为第 6 讲和第 7 讲准备稳定的时序地基。

23. 完成标准

如果你现在已经能把 clean_df 按日期排好，并把索引整理成连续编号，那第 5 讲就算完成。

24. 系列衔接

本讲是《pandas金融数据入门短课》的第 5/8 讲，当前主题是《排序并重置索引》。

上一讲：第 4 讲《处理缺失值》。

下一讲：第 6 讲《计算5日和10日均线》。

后续安排：第 7 讲《按月份统计平均收益》；第 8 讲《导出清洗后的行情表》。

25. 风险揭示与免责声明