Python对熊猫数据框中列表中的元素进行排序答案

【问题标题】：Python Sorting elements in a List in pandas DataframePython对熊猫数据框中列表中的元素进行排序
【发布时间】：2021-12-19 16:00:46
【问题描述】：

我的公司要求我将数据作为列表上传，并附上报价，这不是最好的，但就是这样。例如，如果我有 2 英寸和 3 英寸的数据，我必须将其上传为 ["2 in", "3 in"]。

当我尝试对列表中每一行的元素进行排序时，我得到：[1, 2, , ", ", [, ], o, z] 它对每个单独的字母和数字进行排序

Example of the DF I am trying to sort:
d = {'col1': ['["3 oz","1 oz","2 oz"]', '["1.2 in","1 in","1.3 in"]', '["10 in","22 in","3.4 in"]']}
df = pd.DataFrame(data=d)

我尝试过的：

def sorted_alphanumeric(data):
    convert = lambda text: int(text) if text.isdigit() else text.lower()
    alphanum_key = lambda key: [ convert(c) for c in re.split('([0-9]+)', key) ] 
    return sorted(data, key=alphanum_key)
df['col1'].apply(lambda x: sorted_alphanumeric((x)))

and 

from natsort import natsorted
df['col1'].apply(lambda x: natsorted(x))

and

df['col1'].apply(lambda x: sorted(x))

我确信在盯着这个 2 天后我想念它的一些简单的东西，但如果你对如何解决它有任何想法，我将不胜感激。

【问题讨论】：

标签： python pandas list dataframe sorting

【解决方案1】：

因为你有字符串，你首先需要把数据分成块。为此删除前 2 个和后 2 个字符 [" 和 "]，然后拆分 "," 以获取数据列表。

这是使用 apply 的一种方式：

from natsort import natsorted
(df['col1'].str[2:-2].str.split('","')
           .apply(lambda x: '["'+'","'.join(natsorted(x))+'"]')
)

输出（作为一个系列）：

0        ["1 oz","2 oz","3 oz"]
1    ["1 in","1.2 in","1.3 in"]
2    ["3.4 in","10 in","22 in"]
Name: col1, dtype: object

为了明确起见，这些项目是字符串：'["1 oz","2 oz","3 oz"]'

注意。这纯粹是先按数字排序，然后按字母数字字符串的单位排序，它确实不考虑单位的含义

【讨论】：

【解决方案2】：

from natsort import natsorted
df['col1'] = df['col1'].apply(lambda x: natsorted(eval(x)))
print(df)

                     col1
0      [1 oz, 2 oz, 3 oz]
1  [1 in, 1.2 in, 1.3 in]
2  [3.4 in, 10 in, 22 in]

【讨论】：

【解决方案3】：

您可以使用eval 来评估字符串：

df['col1'].apply(lambda x: sorted(eval(x)))

但是，通过这种方式，列表按字典顺序排序，因此如果您希望它们按其中包含的数字排序，则必须编写更复杂的函数。

【讨论】：

【解决方案4】：

你可以使用ast.literal_eval然后按如下排序：

(Why using literal_eval and not using eval)

>>> from ast import literal_eval
>>> df['col1'] = df['col1'].apply(lambda x: sorted(literal_eval(x)))
>>> df
           col1
0      [1 oz, 2 oz, 3 oz]
1      [1 in, 1.2 in, 1.3 in]
2      [10 in, 22 in, 3.4 in]

【讨论】：