Question

我想按列对表格进行排序。该列是其中包含数字的字符串，例如ASH11，ASH2，ASH1等。问题是使用方法 sort_values 将执行“字符”顺序，因此从该示例将如下所示-> ASH1，ASH11，ASH2。我想要这样的命令-> AS20H1，AS20H2，AS20H11（考虑到最后一个数字）。

尽管我采用的是字符串的最后一个字符，但有时只会是最后一个，在其他情况下则是最后两个。另一种方法（从开始字符中提取字符）不起作用，因为字符串并非总是来自相同的长度（即，在某些情况下，名称为ASH1，ASGH22，ASHGT3等）

Answer 1

使用key参数（1.1.0中的新参数）

df.sort_values(by=['xxx'], key=lambda col: col.map(lambda x: int(re.split('(\d+)',x)[-2])))

Answer 2

您也许可以从列中提取整数，然后使用它对dataFrame进行排序

  df["new_index"] = df.yourColumn.str.extract('(\d+)')
  df.sort_values(by=["new_index"], inplace=True)

如果您在“ new_index”列中获得一些NA，则可以在sort_values方法中使用选项na_position以便选择将它们放置在何处（开始或结束）

Answer 3

使用列表理解和正则表达式：

>>> import pandas as pd
>>> import re #Regular expression

>>> a = pd.DataFrame({'label':['AS20H1','AS20H2','AS20H11','ASH1','ASGH22','ASHGT3']})
>>> a
     label
0   AS20H1
1   AS20H2
2  AS20H11
3     ASH1
4   ASGH22
5   ASHGT3

r'（\ d +）（？！。* \ d）' 匹配字符串中的最后一个数字

>>> a['sort_int'] = [ int(re.search(r'(\d+)(?!.*\d)',i).group(0)) for i in a['label']]
>>> a
     label  sort_int
0   AS20H1         1
1   AS20H2         2
2  AS20H11        11
3     ASH1         1
4   ASGH22        22
5   ASHGT3         3

>>> a.sort_values(by='sort_int',ascending=True)
     label  sort_int
0   AS20H1         1
3     ASH1         1
1   AS20H2         2
5   ASHGT3         3
2  AS20H11        11
4   ASGH22        22

在熊猫中对带有数字的字符串列进行排序

3 个答案: