Question

我有一个数据框，其中的一列是带有软件名称和不同版本的字符串。尝试按此列排序时，排序不遵循版本控制。

要排序的列具有这种格式

>>> import pandas as pd
>>> df = pd.DataFrame({'versions': ['cd-2.8.10', 'cd-3.10.3', 'cd-3.3.1', 'cd-3.10.10', 'cd-3.12.0', 'ab-5.2.1', 'cd-3.1.3', 'cd-3.5.2', 'ab-3.0.2', 'cd-3.10.1', 'cd-3.20.1', 'cd-3.11.4']})
>>> df
      versions
0    cd-2.8.10
1    cd-3.10.3
2     cd-3.3.1
3   cd-3.10.10
4    cd-3.12.0
5     ab-5.2.1
6     cd-3.1.3
7     cd-3.5.2
8     ab-3.0.2
9    cd-3.10.1
10   cd-3.20.1
11   cd-3.11.4

当使用sort_values()时，将破折号前带有字符的字符串部分按字母顺序进行完美排序，但是对于给定的软件，通过将3.10.1缩小为3.3.1，版本号排序是错误的，或3.10.10小于3.10.3

>>> df.sort_values('versions')
      versions
8     ab-3.0.2
5     ab-5.2.1
0    cd-2.8.10
6     cd-3.1.3
9    cd-3.10.1
3   cd-3.10.10
1    cd-3.10.3
11   cd-3.11.4
4    cd-3.12.0
10   cd-3.20.1
2     cd-3.3.1
7     cd-3.5.2

我想获得正确的版本顺序

      versions
8     ab-3.0.2
5     ab-5.2.1
0    cd-2.8.10
6     cd-3.1.3
2     cd-3.3.1
7     cd-3.5.2
9    cd-3.10.1
1    cd-3.10.3
3   cd-3.10.10
11   cd-3.11.4
4    cd-3.12.0
10   cd-3.20.1

Answer 1

这是一个复杂的问题，因为熊猫不直接支持自然排序。幸运的是，使用natsort模块，这应该很容易并且可以处理大多数版本格式。

from natsort import natsorted
df.iloc[natsorted(df.index, key=lambda x: df.loc[x, 'versions'])]

      versions
8     ab-3.0.2
5     ab-5.2.1
0    cd-2.8.10
6     cd-3.1.3
2     cd-3.3.1
7     cd-3.5.2
9    cd-3.10.1
1    cd-3.10.3
3   cd-3.10.10
11   cd-3.11.4
4    cd-3.12.0
10   cd-3.20.1

这是对数据进行排序的另一种方法（由于避免了lambda，所以速度稍快）

d = df.versions.to_dict()
df.iloc[natsorted(d, key=d.get)]

      versions
8     ab-3.0.2
5     ab-5.2.1
0    cd-2.8.10
6     cd-3.1.3
2     cd-3.3.1
7     cd-3.5.2
9    cd-3.10.1
1    cd-3.10.3
3   cd-3.10.10
11   cd-3.11.4
4    cd-3.12.0
10   cd-3.20.1

对包含代表熊猫软件版本的字符串的列进行排序

1 个答案: