如何在Pandas中用数字对字符串进行排序？

Question

我有一个Python Pandas Dataframe，其中一个名为status的列包含三种可能的值： ok ， must read x more books ， does not read any books yet ，其中x是一个大于0的整数。

我想根据上面的顺序对status值进行排序。

例：

  name    status
0 Paul    ok
1 Jean    must read 1 more books
2 Robert  must read 2 more books
3 John    does not read any book yet

我发现了一些有趣的提示，使用Pandas Categorical和map但我不知道如何处理修改字符串的变量值。

我怎样才能做到这一点？

Answer 1

采用：

a = df['status'].str.extract('(\d+)', expand=False).astype(float)

d = {'ok': a.max() + 1, 'does not read any book yet':-1}

df1 = df.iloc[(-df['status'].map(d).fillna(a)).argsort()]
print (df1)
     name                      status
0    Paul                          ok
2  Robert      must read 2 more books
1    Jean      must read 1 more books
3    John  does not read any book yet

说明 ：

1. 首先通过regex \\d+ extract整数
2. 然后为map非数值动态创建dictionary
3. 用fillna替换numeric Series NaN
4. 通过argsort获得职位
5. 按iloc选择排序值

Answer 2

您可以使用自定义函数sorted来计算将对数组进行排序的索引（非常类似于numpy.argsort ）。 然后输入pd.DataFrame.iloc ：

df = pd.DataFrame({'name': ['Paul', 'Jean', 'Robert', 'John'],
                   'status': ['ok', 'must read 20 more books',
                              'must read 3 more books', 'does not read any book yet']})

def sort_key(x):
    if x[1] == 'ok':
        return -1
    elif x[1] == 'does not read any book yet':
        return np.inf
    else:
        return int(x[1].split()[2])

idx = [idx for idx, _ in sorted(enumerate(df['status']), key=sort_key)]

df = df.iloc[idx, :]

print(df)

     name                      status
0    Paul                          ok
2  Robert      must read 3 more books
1    Jean     must read 20 more books
3    John  does not read any book yet