Jak mogę sortować ciągi znaków w pliku danych pandy według wartości w określonej kolumnie? [duplikować]

Question

Mój program w Pythonie generuje plik danych w formacie pandy

        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

Muszę posortować ciągi na podstawie drugiej kolumny (Źródło) według numeru, więc właściwa kolejność wierszy po sortowaniu powinna być: cne_1, cne_2, cne_3, cne_4 et Próbowałem użyć:

df_sorted = df.sort_values('Source', ascending=True)

ale nie spowodowało żadnych zmian w kolejności linii.

Answer 1

Dla ostatnich wersji pandy możliwe jest użycie parametru keyz dzieleniem wartości przez _i zamianą wartości na liczby całkowite:

df_sorted = df.sort_values('Source', key=lambda x: x.str.split('_').str[1].astype(int)) 

Lub można pobrać pozycje posortowanych wartości Series.argsorti przekazać do 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

Answer 2

Uzyskaj wartość całkowitą w kolumnie, a następnie posortuj według niej.

df['sortIndex'] = df.Source.str.replace('cne_', '', regex=False).astype(int)
df_sorted = df.sort_values('sortIndex', ascending=True)

Answer 3

Wyodrębnij cyfry, zamień na int i odpowiednio posortuj. ( .sort_values(0)ponieważ nienazwana kolumna otrzymuje nazwę 0automatycznie)

df_sorted = df.loc[df["Source"].str.extract(r"_(\d+)").astype(int).sort_values(0).index]

Wynik

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