多列上的熊猫数据框 sort_values 并非一直有效答案

【问题标题】：pandas dataframe sort_values on multiple columns did not work all the time多列上的熊猫数据框 sort_values 并非一直有效
【发布时间】：2017-10-11 19:06:55
【问题描述】：

我有这 2 个 pandas 数据框，我尝试以相同的方式对它们进行排序，但得到不同的结果

将熊猫导入为 pd

df = pd.DataFrame([{'a':'4','b':'23'},{'a':'3', 'b':'10'},{'a':'2','b':'88'},{'a':'2', 'b':'29'},{'a':'2','b':'12'},{'a':'1','b':'284'}, {'a':'1','b':'24'}, {'a':'3','b':'1'}])

print(df.sort_values(['a', 'b']))

df1 = pd.DataFrame([{'c1':'3','c2':'10'},{'c1':'2', 'c2':'30'},{'c1':'1','c2':'20'},{'c1':'2','c2':'15'},{'c1':'2','c2':'100'},{'c1':'1','c2':'11'}])

print(df1.sort_values(['c1', 'c2']))

第一个返回，这是预期的

第二个返回

我认为它会返回

有人能告诉我为什么他们的行为不同吗？谢谢。

【问题讨论】：

标签： string sorting pandas

【解决方案1】：

您的数据是字符串而不是数字存在问题，因此按字母顺序排序。

解决方案是将列转换为int：

df1['c2'] = df1['c2'].astype(int)
print(df1.sort_values(['c1', 'c2']))
  c1   c2
5  1   11
2  1   20
3  2   15
1  2   30
4  2  100
0  3   10

【讨论】：

嗨，jezreal，感谢您的回复。就我而言，我需要按多列排序，其中一些是字符串。有没有一种方法可以使数据框的 sort_values 的行为方式与 sql 中的 ORDER BY 相同？
嗯，没那么容易。但是您是否需要像数字一样对字符串数字（在您的示例中）进行排序？不可能转成数字吗？
我在这里给出的例子仅用于演示。我知道如果我为这些数字提供 int ， sort 将起作用。在我的真实案例中，我有来自 excel 表的数据框和来自 sql 查询的数据框。我已将 sql 查询数据帧转换为字符串（使用 applymap(str)），因为某些数字具有前导或尾随零。我想我需要将数字列转换回 int 并对两个数据帧进行排序。谢谢。
嗯，没有真实数据并不容易，但我认为最简单的方法是先将所有 int 转换为 df[['int_col1','int_col2','int_col3']] = df[['int_col1','int_col2','int_col3']].astype(int)，然后排序并最后转换为数字。 df[['int_col1','int_col2','int_col3']] = df[['int_col1','int_col2','int_col3']].astype(str)。但也许还有另一个问题，您是否通过转换为 str 来删除尾随 0 ？是正确的方式吗？不可能先排序再转成str？
是的，我使用 df['int_col1'].replace(to_replace="(\d+)\.0", value=r"\1", regex=True, inplace=True) 感谢 jezrael。