Python pandas dataframe sort_values不起作用

Question

我有以下pandas数据框，我想按＆＃39; test_type＆＃39;

排序

        df = pd.read_csv(file) #reads from a csv file
        print df
        df = df.sort_values(by=['test_type'], ascending=True)
        print '\nAfter sort...'
        print df

我加载数据帧并对其进行排序的代码是，第一个打印行打印上面的数据框。

After sort...
  test_type         tps          mtt        mem        cpu       90th
0  sso_1000  205.263559  4139.031090  24.175933  34.817701  4897.4766
1  sso_1500  201.127133  5740.741266  24.599400  34.634209  6864.9820
2  sso_2000  203.204082  6610.437558  24.466267  34.831947  8005.9054
3   sso_500  189.566836  2431.867002  23.559557  35.787484  2869.7670

在对数据帧内容进行排序和打印之后，数据框仍然如下所示。

节目输出：

{{1}}

我希望第3行（测试类型：sso_500行）在排序后位于顶部。有人可以帮我解释为什么它不能正常工作吗？

Answer 1

Presumbaly，您尝试做的是按sso_之后的数值排序。您可以按如下方式执行此操作：

import numpy as np

df.ix[np.argsort(df.test_type.str.split('_').str[-1].astype(int).values)

这个

1. 将字符串拆分为_

2. 将此字符后的内容转换为数值

3. 查找根据数值

排序的索引

4. 根据这些索引重新排序DataFrame

示例

In [15]: df = pd.DataFrame({'test_type': ['sso_1000', 'sso_500']})

In [16]: df.sort_values(by=['test_type'], ascending=True)
Out[16]: 
  test_type
0  sso_1000
1   sso_500

In [17]: df.ix[np.argsort(df.test_type.str.split('_').str[-1].astype(int).values)]
Out[17]: 
  test_type
1   sso_500
0  sso_1000

Answer 2

或者，您也可以从test_type中提取数字并对其进行排序。然后根据这些指数重新编制索引DF。

df.reindex(df['test_type'].str.extract('(\d+)', expand=False)    \
                          .astype(int).sort_values().index).reset_index(drop=True)