按包含的数字对一列字符串列表进行排序答案

【问题标题】：Sorting a Column of Lists of Strings by the containing Number按包含的数字对一列字符串列表进行排序
【发布时间】：2021-08-02 01:23:21
【问题描述】：

我想创建一个作者索引。
在我的数据框中，每个页面都有一个作者列和另一个带有长字符串的列作者的名字出现在。因为我收到这些数字的文档总是双页，所以它总是类似于 3 - 4 或 17 - 18

我的尝试
我试图通过用, 拆分字符串来解决它，分解它，然后用- 再次拆分它，并修剪结果子列表的每个字符串。所以现在我得到了每个双页的列表，起始页和结束页有 2 个字符串 -> 例如['8','9'].

目标目标
从每个作者的这些列表中，我想按起始页（每个列表中的第一个条目）对它们进行排序，我无法弄清楚。在下面的最小可重现示例中，索引 2 应该是 ['8', '9'] ['158', '159'], ['178', '179']

甚至更好地转换回一个长字符串 '8 - 9, 158 - 159, 178 - 179'

MRE

import pandas as pd
data = {'Author': ["AAA, Anton","CCC, Berthelm","DDD, Greta"],
        'Page': ["16 - 17", "238 - 239", "178 - 179, 158 - 159, 8 - 9"]}

df = pd.DataFrame(data=data)

df["Pages"] = df["Page"].str.split(',').explode().str.split(' - ').apply(lambda x: [s.lstrip() for s in x])\
                        .sort_values().groupby(level=0).agg(lambda x: ', '.join(map(str, x)))

打印输出

          Author  ...                                       Pages
0     AAA, Anton  ...                                ['16', '17']
1  CCC, Berthelm  ...                              ['238', '239']
2     DDD, Greta  ...  ['158', '159'], ['178', '179'], ['8', '9']

【问题讨论】：

标签： python pandas string sorting

【解决方案1】：

您需要将页码转换为 int 而不是字符串。

df["Pages"] = df["Page"].str.split(',').explode().str.split(' - ').apply(lambda x: [int(s.lstrip()) for s in x])\
                        .sort_values().groupby(level=0).agg(lambda x: ', '.join(map(str, x)))

输出

          Author                         Page                           Pages
0     AAA, Anton                      16 - 17                        [16, 17]
1  CCC, Berthelm                    238 - 239                      [238, 239]
2     DDD, Greta  178 - 179, 158 - 159, 8 - 9  [8, 9], [158, 159], [178, 179]

如果您希望输出以字符串格式返回，只需更改您的 agg()

df["Page"] = df["Page"].str.split(',').explode().str.split(' - ').apply(lambda x: [int(s.lstrip()) for s in x])\
                        .sort_values().groupby(level=0).agg(lambda x: ', '.join(f'{start} - {end}' for start, end in x))

输出

          Author                         Page
0     AAA, Anton                      16 - 17
1  CCC, Berthelm                    238 - 239
2     DDD, Greta  8 - 9, 158 - 159, 178 - 179

【讨论】：

非常感谢，这是主要问题。关于如何尽可能简短地将 Pages 列转换回一个长字符串的任何建议？我倾向于过度使用列表理解。然而，我并不完全在那里，这就是我到目前为止得到的 df['new_page'] = [l[1:-1].replace(","," -") for l in df['Pages']]
@SysRIP 更新了答案。
非常感谢。没有害处，但会接受 Shubham 的回答。我赞成你的

【解决方案2】：

我们可以对split、sort 使用列表推导，然后join 返回Page 列中的字符串

df['Page'] = [', '.join(sorted(s.split(', '), key=lambda s: int(s.split(' - ')[0]))) for s in df['Page']]

          Author                         Page
0     AAA, Anton                      16 - 17
1  CCC, Berthelm                    238 - 239
2     DDD, Greta  8 - 9, 158 - 159, 178 - 179

【讨论】：