Question

我的数据框是这种形式

                       material
15N                    649.7
16S                    703.2
16N                    711.7
1S                     716.2
1N                     724.5
2S                     723.5
2N                     721.5

我想对前两个数字而不是我使用的第一个数字进行索引排序像这样的代码

runn1.sort_index(axis=0, inplace=True)

它按首个数字而不是前两个数字排序，我喜欢数据变成这样

    1S                     716.2
    1N                     724.5
    2S                     723.5
    2N                     721.5
    15N                    649.7
    16S                    703.2
    16N                    711.7

我正在尝试对“ S”和“ N”之前的数字进行排序，此外，如果有联系，我希望他们解决，首先以“ S”结尾的数字解决。因此，在上面的示例中，“ 1S”高于“ 1N”。

如何获取这种形式的数据？

Answer 1

要处理所有“ S”都在“ N”之前的附加要求，请使用natsort模块，并将key=...参数传递给natsorted：

natsorted(df.index, lambda x: (x[:-1], x[-1] == 'N'))
# ['1S', '1N', '2S', '2N', '15N', '16S', '16N']    
df.loc[natsorted(df.index, lambda x: (x[:-1], x[-1] == 'N'))]
     material
1S      716.2
1N      724.5
2S      723.5
2N      721.5
15N     649.7
16S     703.2
16N     711.7

natsort对于自然排序问题更通用，并且是在这种情况下的便捷工具。可以使用PyPi完成安装。

如果“ S”和“ N”的顺序并不重要，请考虑使用argsort来提高性能：

df.iloc[df.index.str[:-1].astype(int).argsort()]

或者，

df.iloc[np.argsort([int(x[:-1]) for x in df.index])]

     material
1S      716.2
1N      724.5
2S      723.5
2N      721.5
15N     649.7
16S     703.2
16N     711.7

Answer 2

IIUC natsorted和reindex

from natsort import natsorted
df.reindex(natsorted(df.index))
     material
1N      724.5
1S      716.2
2N      721.5
2S      723.5
15N     649.7
16N     711.7
16S     703.2

更新

l=sorted(df.index.str.split('(\d+)([A-z]+)').tolist(), key = lambda x: (-int(x[1]), x[2]))
df.reindex([''.join(x) for x in l ]).iloc[::-1]
     material
1S      716.2
1N      724.5
2S      723.5
2N      721.5
15N     649.7
16S     703.2
16N     711.7

根据索引自然排序pandas DataFrame

2 个答案: