对 Pandas 列中的一串数字进行排序
Posted
技术标签:
【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]
【问题讨论】:
【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]
【讨论】:
【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)))
以上是关于对 Pandas 列中的一串数字进行排序的主要内容,如果未能解决你的问题,请参考以下文章