对 Pandas 列中的一串数字进行排序

Posted 2023-03-12

【中文标题】对 Pandas 列中的一串数字进行排序

【英文标题】：Sort a String of Numbers in a Pandas Column

【发布时间】：2020-11-21 07:08:01

【问题描述】：

我之前创建了一个用于创建作者索引的 python 脚本。 为了省去你的细节，（因为从 pdf 中提取文本非常困难）我创建了 一个最小的可重现示例。我目前的状态是我为每个作者换了一行，并且 作者出现的页面的逗号分隔列表。 但是我想以升序方式对页面列表进行排序。

import pandas as pd
import csv
words = ["Autor1","Max Mustermann","Max Mustermann","Autor1","Bertha Musterfrau","Author2"]
pages = [15,13,5,1,17,20]
str_pages = list(map(str, pages))
df = pd.DataFrame("Autor":words,"Pages":str_pages)
df = df.drop_duplicates().sort_values(by="Autor").reset_index(drop=True)
df = df.groupby("Autor")['Pages'].apply(lambda x: ','.join(x)).reset_index()
df

这会产生所需的输出（页面排序除外）。

               Autor Pages
0            Author2    20
1             Autor1  15,1
2  Bertha Musterfrau    17
3     Max Mustermann  13,5

我尝试将 Pages 列向量化为字符串，用逗号分隔并应用一个 lambda 函数，该函数应该对结果列表进行排序。

df["Pages"] = df["Pages"].str.split(",").apply(lambda x: sorted(x))
df

但这仅适用于Autor1，但不适用于Max Mustermann。 我似乎无法弄清楚为什么会这样

               Autor    Pages
0            Author2     [20]
1             Autor1  [1, 15]
2  Bertha Musterfrau     [17]
3     Max Mustermann  [13, 5]

【参考方案1】：

如果你想使用你现有的方法，

df.Pages = (
    df.Pages.str.split(",")
        .apply(lambda x: sorted(x, key=lambda x: int(x)))
)

---

               Autor    Pages
0            Author2     [20]
1             Autor1  [1, 15]
2  Bertha Musterfrau     [17]
3     Max Mustermann  [5, 13]

【参考方案2】：

str.split 返回字符串列表。所以lambda x: sorted(x) 仍然按字符串排序，而不是整数。

你可以试试：

df['Pages'] = (df.Pages.str.split(',')
   .explode().astype(int)
   .sort_values()
   .groupby(level=0).agg(list)
)

输出：

               Autor    Pages
0            Author2     [20]
1             Autor1  [1, 15]
2  Bertha Musterfrau     [17]
3     Max Mustermann  [5, 13]

【讨论】：

如果以后可能希望将其作为字符串返回，只需稍加补充，您可以将最后一行（使用 groupby）替换为以下 .groupby(level=0).agg(lambda x: ','.join(map(str, x)))