Dataframe 中的列中的字符串手动排序

Question

我想在我的 dataframe 的这一列中对这些字符串进行排序。 我想按收入从低到高或从高到低排序——没关系。

最少的可重复样本

    K_INCOME    COFFEE_CONSUMER_CATEGORY    HHID_COUNT
1    100,000− 124,999   retained    154022
12   125,000− 149,999   retained    82124
14   15,000− 19,999 retained    26965
10   150,000− 199,999   retained    77617
9    20,000− 29,999 retained    65817
0    200,000− 249,999   retained    36755
7    250,000− 399,999   retained    21755
3    30,000− 39,999 retained    87054
2    40,000− 49,999 retained    110710
8    400,000− 499,999   retained    3493
11   50,000− 59,999 retained    130240
5    60,000− 74,999 retained    168661
13   75,000− 99,999 retained    242603
4   Less than $15,000   retained    58331
15  More than $500,000  retained    9694
6   None    retained    130015

我尝试了df_sorted = income_df.sort_values(by=['K_INCOME']) income_df_sorted 但它返回以下内容。

我试过 Series 有一个替换方法来做到这一点：

s = income_df['K_INCOME'].replace({'None':0, 'Less than $15,000':1, '15,000− 19,999':2})
s.sort_values()

...但是得到了这种类型错误 TypeError: '<' not supported between 'int' and 'str'

关于如何按收入水平排序的任何想法？ 理想情况下，我不必尝试转换为整数，因为它们是一个范围，我需要将其作为字符串保存在较大的数据库中。

（我需要排序，所以我可以 plot 收入从低到高，或从高到低。）

更新：想要的 output 像这样

谢谢！ G

Answer 1

正如我在评论中所说，我不确定如何对收入进行排名。 对于排序，我刚刚定义了收入超过 50 的人获得 51，收入低于 50 的人获得 49。在 rest 上，我采用了收入上限。 所以我使用正则表达式来查找是否有人赚得更少或更多，并设置一个校正因子。 之后拆分并连接字符串以将收入作为字符串。 在返回之前，我将字符串转换为 integer 并添加校正因子。

def calcIncome(string):

    # value is a correction factor for the income
    value = 0
    if re.search("Less than.*", string) != None:
        value = -1
    elif re.search("More than.*", string) != None:
        value = 1

    #extract highest income
    stringLst = re.split('\$|-', string)
    highIncomeLst = stringLst[len(stringLst) - 1].split(',')
    income = ''

    for i in highIncomeLst:
        income += i

    return int(income) + value

sampleDf = pd.DataFrame({'income': ['Less than 3,000', '3000-5000'],
               'B': [21, 32],
            'C': ['a', 'b']})
sampleDf.dropna(subset=['income'], inplace=True)
sampleDf['sorting_income'] = sampleDf.apply(lambda row: calcIncome(row['income']), axis=1)
print(sampleDf.sort_values(by=['sorting_income']))

也许在最终版本中您想删除新列。 您可以使用类似： sampleDF.drop(['sorting_income'], axis=1, inplace=True)

在您的直方图更新上原理保持不变。 写一个 function ，它返回一个给定收入的组。 像小于 15 的返回 0 等等。而不是像给定的那样使用 df.apply 方法。 为了更准确地回答，我需要知道步骤是否始终相同以及有关您所需逻辑的一些信息。 我将收入低于 50 的人放在哪个组中。在所有较低的组中或最接近 50 或最低的组中。