estoy intentando ordenar una columna datetimes que tiene rango entre 2016-01-01 y 2019-02-14. La columna la extraigo desde un dataframe que descargue de aquí (Datos). Uno de los problemas que encontré es que las fechas no tienen un formato uniforme entonces cargue el CSV como:
DATA=pd.read_csv('carpetas-de-investigacion-pgj-
cdmx.csv',sep=';',parse_dates=['Fecha inicio'])
Posteriormente separo la columna "Fecha inicio" y quito el tiempo para quedarme solo con las fechas:
tm=DATA[['Fecha inicio']]
tm['Fecha inicio']=tm['Fecha inicio'].dt.date
tm['Fecha inicio']=pd.to_datetime(tm['Fecha inicio'])
si hago solo eso obtengo el rango de fechas que va desde "2016-05-01 : 2019-02-14" pero el rango inicia en "2016-01-01" así que ordeno los datos usando
tm.sort_values('Fecha inicio')
pero al hacer eso obtengo "2016-01-01 : 2019-12-02" donde efectivamente empieza en "2016-01-01" pero no finaliza en 2019-12-02 sino en "2019-02-14". También me di cuenta que esto me genera problemas con al aplicar resample porque al hacerlo es como si tuviera datos hasta el "2019-12-02(02/Dic/2019)" lo cual no es posible porque los datos llegan solo hasta el 14 de Febrero de 2019. Muestro a continuación el código cuando hago un re-muestreo y su plot respectivo:
df7=DATA.groupby(['Fecha inicio'])
['Delito'].size().reset_index(name='No delitos').sort_values(by='Fecha
inicio',ascending=True)
df7.set_index('Fecha inicio',inplace=True)
df7.resample('M').agg({'No delitos':sum}).replace(np.nan,0).plot()
esta es la salida del código anterior
Me di cuenta que el formato de las fechas del dataframe original no son homogeneas pues a partir de 2019 el formato camabia. Ya intente cambiar los formatos manualmente pero obtengo los mismos resultados. No sé cómo resolverlo. Espero haya sido claro con mi problema y me puedan dar algunas sugerencias de qué podría ser. Gracias de antemano.