按包含数字和文本的列对熊猫数据框进行排序答案

【问题标题】：Sorting a pandas dataframe by a column containing numbers and text按包含数字和文本的列对熊猫数据框进行排序
【发布时间】：2021-08-18 15:45:54
【问题描述】：

我有一个 pandas 数据框，我想按其中一列进行排序。问题是，需要排序的数据如下所示：“'Number 1' - Specimen 'Number 2'”。我想先按“数字 1”排序，然后按“数字 2”排序。

一个例子：

import pandas as pd

df = pd.DataFrame({'Name': ['12001 - Specimen 10', '12000 - Specimen 1', '12000 - Specimen 10', 
                            '12000 - Specimen 2', '12000 - Specimen 5', '12001 - Specimen 1', 
                            '12001 - Specimen 2'], 
                   'Results': [2, 4, 2, 3, 10, 8, 2]})

df.sort_values('Name')

   Name                   Results
1  12000 - Specimen 1     4
2  12000 - Specimen 10    2
3  12000 - Specimen 2     3
4  12000 - Specimen 5     10
5  12001 - Specimen 1     8
0  12001 - Specimen 10    2
6  12001 - Specimen 2     2

这正确地按第一个数字排序，但对于秒数，它将 10 放在 2 之前。

我已经看到发布了两个类似的问题，但在这些情况下，它们的数字和字符串由“_”分隔，并且答案建议在排序之前将它们分开。我尝试做类似的事情，但最终只按第二个数字排序。

sort dataFrame index containing string and number

Sort DataFrame index that has a string and number

如果可能的话，我更喜欢可以完全在 pandas 中完成而无需其他包的东西。

【问题讨论】：

"12001 - Specimen 10" 是一个字符串，所以基本上它们是按字母顺序排序的（或基于字符串的 ASCII 值）。我将首先通过正则表达式解析字符串，然后将样本编号（int 类型）放入另一列。在这种情况下，您可以轻松地按 Specimen 排序。
或者您可以在执行sort_values 时将从正则表达式中提取的结果作为key 传递，这样您就不必添加另一列。

标签： python pandas

【解决方案1】：

我将“名称”列转换为 2 个数字的列表，然后对该列进行排序，然后返回索引。

index = df['Name'].apply(lambda x: list(map(int,x.split('- Specimen')))).argsort().to_list()
df.iloc[index]

【讨论】：

【解决方案2】：

您可以做的是拆分Name 列，索引出我们想要的两列，将它们转换为整数，然后执行排序。然后，您可以获取此子帧的索引并使用它来订购原始数据帧。

sorted_index = df.Name.str.split(' ',expand = True).loc[:,[0,3]].astype(int).sort_values([0,3]).index

sorted_df = df.loc[sorted_index,:]

【讨论】：