在 Python 中，如何对包含重音符号的数据框进行排序？

Posted 2023-03-12

【中文标题】在 Python 中，如何对包含重音符号的数据框进行排序？

【英文标题】：In Python, how to sort a dataframe containing accents?

【发布时间】：2018-10-17 11:16:44

【问题描述】：

我使用 sort_values 对数据框进行排序。数据框包含带有重音符号的 UTF-8 字符。这是一个例子：

>>> df = pd.DataFrame ( [ ['i'],['e'],['a'],['é'] ] )
>>> df.sort_values(by=[0])
   0
2  a
1  e
0  i
3  é

如您所见，带重音的“é”在末尾，而不是在没有重音的“e”之后。

请注意，真正的数据框有几列！

【问题讨论】：

我建议去掉变音符号进行排序，然后重新添加它们。

您使用的是哪个版本的 Python？

你被介绍给locale了吗？

3.5.2（默认，2017 年 11 月 23 日，16:37:01）

您能否更具体地了解变音符号和语言环境？

【参考方案1】：

这是一种方式。 @JonClements 建议的最简单的解决方案：

df = df.iloc[df[0].str.normalize('NFKD').argsort()]

另一种冗长的解决方案，规范化代码courtesy of @EdChum：

df = pd.DataFrame([['i'],['e'],['a'],['é']])

df = df.iloc[df[0].str.normalize('NFKD').argsort()]

# remove accents
df[1] = df[0].str.normalize('NFKD')\
             .str.encode('ascii', errors='ignore')\
             .str.decode('utf-8')

# sort by new column, then drop
df = df.sort_values(1, ascending=True)\
       .drop(1, axis=1)

print(df)

   0
2  a
1  e
3  é
0  i

---

【讨论】：

在这种情况下 - 可能是：df.iloc[df[0].str.normalize('NFKD').argsort()] 就是所需要的...

我们需要编码成ASCII吗？一旦我们这样做了，我们就不再拥有所有的 é。

@DSM，这很好，但应该先出现，e 或é？

如您所见，带重音的“é”在末尾，而不是在没有重音的“e”之后。 - 似乎暗示它是首选在普通的 ASCII 字符之后...但是为什么在一天结束时这真的应该重要而不是仅仅“与它在一起”是另一个问题...