在 Pandas 中对带有数字的字符串列进行排序

Question

我想按列排序我的桌子。 该列是一个包含数字的字符串，例如 ASH11、ASH2、ASH1 等。问题是使用方法sort_values将执行“字符”顺序，因此示例中的列将是这样的顺序--> ASH1、ASH11、ASH2。 我想要这样的顺序--> AS20H1、AS20H2、AS20H11（考虑到最后一个数字）。

我虽然想取字符串的最后一个字符，但有时只是最后一个，在其他情况下是最后两个。 另一种方法（从开头获取字符）也不起作用，因为字符串并不总是来自相同的长度（即某些情况下名称是 ASH1、ASGH22、ASHGT3 等）

Answer 1

使用key参数（ 1.1.0新增）

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

Answer 2

您可以从列中提取整数，然后使用它对您的 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”列中得到一些 NA，您可以使用 sort_values 方法中的选项 na_position 来选择将它们放在哪里（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