Pandas sort_values 无法正确排序数字

Question

我已经按特定列对数据框进行了排序，但 pandas 吐出的答案并不完全正确。

这是我使用的代码：

league_dataframe.sort_values('overall_league_position')

排序方法在“整体联赛位置”列中生成值的结果未按升序排序，这是该方法的默认顺序。

我做错了什么？

Answer 1

无论出于何种原因，您似乎正在使用一列字符串，并且

sort_values

正在返回一个经过词法排序的结果。

这是一个例子。

df = pd.DataFrame({"Col": ['1', '2', '3', '10', '20', '19']})
df

  Col
0   1
1   2
2   3
3  10
4  20
5  19

df.sort_values('Col')

  Col
0   1
3  10
5  19
1   2
4  20
2   3

补救方法是使用

.astype

或

pd.to_numeric

将其转换为数字。

df.Col = df.Col.astype(float)

或者，

df.Col = pd.to_numeric(df.Col, errors='coerce')

df.sort_values('Col')

   Col
0    1
1    2
2    3
3   10
5   19
4   20

astype

和

pd.to_numeric

之间唯一的区别是后者在处理非数字字符串方面更加稳健（它们被强制为

NaN

），并且如果强制浮动是则尝试保留整数没有必要（如本例所示）。

Answer 2

如果列的数据类型应该是数字，那么在排序之前转换为数字数据类型是正确的方法。但是，如果您想保留字符串/对象数据类型但仍要自然排序，则可以将

pd.to_numeric

作为

sort_values()

的键传递。

df = pd.DataFrame({"Col": ['1', '2', '3', '10', '20', '19']})
df = df.sort_values('Col', key=pd.to_numeric)

这类似于普通 Python 中的

sorted(mylist, key=float)

，其中实际数据的类型没有修改，但键的类型发生了变化。但是，与

sorted()

不同，作为键传递给

sort_values()

的函数必须进行矢量化（例如，它必须返回整列排序键）；所以

float

不能工作，但

pd.to_numeric

可以。

一个更具说明性的示例是对百分比列进行自然排序。在这种情况下，我们可以传递一个 lambda 函数，该函数去除百分比符号并将该列转换为数字列作为排序键。

df = pd.DataFrame({"Col": ['1%', '10%', '3%', '2%', '20%', '19%']})
df = df.sort_values('Col', key=lambda x: pd.to_numeric(x.str.rstrip('%'), errors='coerce'))
# if the data is clean, can use `astype` as well
df = df.sort_values('Col', key=lambda x: x.str.rstrip('%').astype(float))