我有这个数据帧(所有字符串(:
to_sort data
0 Belgien a2
1 Zürich b2
2 dänemark c2
3 20 d2
4 100 e2
5 Österreich f2
我想对它进行排序,使德语元音变音符正确,小写和数字正确:
to_sort data
3 20 d2
4 100 e2
0 Belgien a2
2 dänemark c2
5 Österreich f2
1 Zürich b2
这是我生成数据帧和结果的代码:
import io, pandas as pd
t = io.StringIO("""
to_sort|data
Belgien|a2
Zürich|b2
dänemark|c2
20|d2
100|e2
Österreich|f2""")
df = pd.read_csv(t, sep='|')
df = df.sort_values(by='to_sort', key=lambda col: col.str.lower().str.normalize('NFD'))
结果几乎是正确的,但数字排序错误,20应该在200之前:
to_sort data
4 100 e2
3 20 d2
0 Belgien a2
2 dänemark c2
5 Österreich f2
1 Zürich b2
如何在保持所有其他特性的同时修复数字排序
使用DataFrame.sort_values
:中最后一个样本数据的解决方案
from natsort import index_natsorted
f = lambda col: np.argsort(index_natsorted(col.str.lower().str.normalize('NFD')))
df = df.sort_values(by='to_sort', key=f )
print (df)
to_sort data
3 20 d2
4 100 e2
0 Belgien a2
2 dänemark c2
5 Österreich f2
1 Zürich b2
只需附加.str.pad(max(col.str.len())
:
key = lambda col: col.str.lower().str.normalize('NFD').str.pad(max(col.str.len()))
df = df.sort_values(by='to_sort', key=key)
print(df)
# Output
to_sort data
3 20 d2
4 100 e2
0 Belgien a2
1 Zürich b2
2 dänemark c2
5 Österreich f2