Comment puis-je trier les chaînes dans le fichier de données pandas en fonction de la valeur dans une colonne spécifique? [dupliquer]
Mon programme Python génère un fichier de données au format pandas
Source LogP MolWt HBA HBD
0 cne_1 1.1732 263.405 3 1
1 cne_10 2.6639 197.237 2 0
2 cne_100 -0.2886 170.193 4 2
3 cne_1000 1.9644 304.709 5 1
4 cne_1001 1.4986 162.144 3 1
... ... ... ... ... ...
1031 cne_995 3.0179 347.219 4 2
1032 cne_996 4.8419 407.495 6 2
1033 cne_997 3.3560 354.524 3 1
1034 cne_998 7.5465 635.316 4 2
1035 cne_999 3.3514 389.556 4 1
Je dois trier les chaînes en fonction de la deuxième colonne (Source) en fonction du nombre, donc le bon ordre des lignes après le tri devrait être: cne_1, cne_2, cne_3, cne_4 et j'ai essayé d'utiliser:
df_sorted = df.sort_values('Source', ascending=True)
mais il n'a produit aucun changement dans l'ordre des lignes.
Réponses
Pour les dernières versions de pandas, il est possible d'utiliser un paramètre key
avec des valeurs fractionnées _
et de convertir les valeurs en nombres entiers:
df_sorted = df.sort_values('Source', key=lambda x: x.str.split('_').str[1].astype(int))
Ou est-il possible d'obtenir des positions de valeurs triées Series.argsortet de les passer à DataFrame.iloc:
df_sorted = df.iloc[df['Source'].str.split('_').str[1].astype(int).argsort()]
print (df_sorted)
Source LogP MolWt HBA HBD
0 cne_1 1.1732 263.405 3 1
1 cne_10 2.6639 197.237 2 0
2 cne_100 -0.2886 170.193 4 2
1031 cne_995 3.0179 347.219 4 2
1032 cne_996 4.8419 407.495 6 2
1033 cne_997 3.3560 354.524 3 1
1034 cne_998 7.5465 635.316 4 2
1035 cne_999 3.3514 389.556 4 1
3 cne_1000 1.9644 304.709 5 1
4 cne_1001 1.4986 162.144 3 1
Obtenez la valeur entière dans la colonne, puis triez à l'aide de celle-ci.
df['sortIndex'] = df.Source.str.replace('cne_', '', regex=False).astype(int)
df_sorted = df.sort_values('sortIndex', ascending=True)
Extraire les chiffres, convertir en int et trier en conséquence. ( .sort_values(0)
car la colonne sans nom est nommée 0
automatiquement)
df_sorted = df.loc[df["Source"].str.extract(r"_(\d+)").astype(int).sort_values(0).index]
Résultat
print(df_sorted)
Source LogP MolWt HBA HBD
0 cne_1 1.1732 263.405 3 1
1 cne_10 2.6639 197.237 2 0
2 cne_100 -0.2886 170.193 4 2
1031 cne_995 3.0179 347.219 4 2
1032 cne_996 4.8419 407.495 6 2
1033 cne_997 3.3560 354.524 3 1
1034 cne_998 7.5465 635.316 4 2
1035 cne_999 3.3514 389.556 4 1
3 cne_1000 1.9644 304.709 5 1
4 cne_1001 1.4986 162.144 3 1