数据操作 - 当值为字母数字时对索引进行排序 [英] Data Manipulation - Sort Index when values are Alphanumeric

问题描述

我想知道如何处理这种数据操作困境。
在数据框中对多索引的索引进行排序的最佳方法是什么，其中索引的on级别的值是字母数字。
值是：

I'm wondering how I should approach this data manipulation predicament. What is the best method to sort an index of a multi-index in a data frame where the values of on level of the index is alphanumeric. The values are:

[u'0'，u'1'，u'10'，u'11'， u'2'，u'2Y'，u'3'，u'3Y'，u'4'，u'4Y'，u'5'，u'5Y'，u'6'，u'7'， u'8'，u'9'，u'9Y']

我要搜索的结果是：

[u'0'，u'1'，u'2'，u'3'，u'4'，u'5'，u' 6'，u'7'，u'8'，u'9'，u'10'，u'11'，u'2Y'，u'3Y'，u'4Y'，u'5Y'，u' 9Y']

纯数值代表数月，而整数加'Y'代表数年。

The plain numeric values stand for months while the integer plus 'Y' stand for years.

有没有办法对索引进行排序？

Is there a way to sort the index?

持续时间 - 是多指数的一个级别，第二个是和。
请在下面找到一个示例数据集：

Duration - is one level of the multi index, the second is sum. Please find a sample dataset below:

Duration                            2          2Y         3         3Y   
customer                                                                     
Invoice A                         25.50        0.00      0.00       20.00   
Invoice B                         50.00        25.00     -10.50     0.00
Invoice C                         125.00       0.00      11.20      0.50
Invoice D                         0.00        15.00      0.00       80.10

推荐答案

您可以使用 natsort 包自然地对列进行排序。这是一个例子：

You can use the natsort package to naturally sort your columns. Here's an example:

import natsort as ns

c =  ['0', '1', '10', ...]
c = sorted(ns.natsorted(c), key=lambda x: not x.isdigit())

print(c)
['0',
 '1',
 '2',
 '3',
 '4',
 '5',
 '6',
 '7',
 '8',
 '9',
 '10',
 '11',
 '2Y',
 '3Y',
 '4Y',
 '5Y',
 '9Y']

---

对于您的问题，类似的方法是使用 reindex_axis 作为额外步骤：

c = df.columns.levels[1]
c = sorted(ns.natsorted(c), key=str.isdigit, reverse=True)

df = df.reindex_axis(pd.MultiIndex.from_product([df.columns.levels[0], c]), axis=1)

这篇关于数据操作 - 当值为字母数字时对索引进行排序的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！