主页 / 问题 / 1272782
Accepted
Radzhab
Asked:2022-04-21 12:46:08 +0000 UTC2022-04-21 12:46:08 +0000 UTC

如何按多个属性顺序对列表项进行排序？

  • 772

我有一个需要排序的列表。先按new_name，再按nf，再按no。主要的难点是柱子no和nf。我不能将它们转换为类型int，所以我必须使用自然排序。

如何将两个查询合并为一个？

PSnew_name, nf, no是从name.

def natural_sort_key(s, _re=re.compile(r'(\d+)')):
    return [int(t) if i & 1 else t.lower() for i, t in enumerate(_re.split(s.no))]

sorted_1 = sorted(data, key=operator.attrgetter('new_name','nf'))
sorted_2 = sorted(data, key=natural_sort_key)



name:'ТП 2-1/400-Ф1-1-ЖБ'
new_name:'ТП 2-1/400-Ф1'
nf:'Ф1'
no:'1'

name:'ТП 2-1/400-Ф2-2-ЖБ'
new_name:'ТП 2-1/400-Ф2'
nf:'Ф1'
no:'2'

name:'ТП 2-1/400-Ф2-2/1-ЖБ'
new_name:'ТП 2-1/400-Ф2'
nf:'Ф2'
no:'2/1'

name:'ТП 2-1/400-Ф10-1/1-ЖБ'
new_name:'ТП 2-1/400-Ф10'
nf:'Ф10'
no:'1/1'

输出应如下所示：

ТП 2-1/400-Ф1-1-ЖБ
ТП 2-1/400-Ф2-1-ЖБ
ТП 2-1/400-Ф2-2/1-ЖБ
ТП 2-1/400-Ф10-1/1-ЖБ

我尝试这样：

df = pd.DataFrame([t.__dict__ for t in data])
        
import natsort as ns

df['nf'] = pd.Categorical(df['nf'], ordered=True, categories= ns.natsorted(df['nf'].unique()))
df['no'] = pd.Categorical(df['no'], ordered=True, categories= ns.natsorted(df['no'].unique()))
       
df.sort_values(['new_name', 'nf','no'], ascending=[True, True,True])

可以看出，按排序是可行的nf，但no总的来说排序不正确：

                name      nf  no       new_name
0     ТП 2-1/400-Ф1-1-ЖБ  Ф1   1  ТП 2-1/400-Ф1
1    ТП 2-1/400-Ф1-10-ЖБ  Ф1  10  ТП 2-1/400-Ф1
2    ТП 2-1/400-Ф1-11-ЖБ  Ф1  11  ТП 2-1/400-Ф1
3    ТП 2-1/400-Ф1-12-ЖБ  Ф1  12  ТП 2-1/400-Ф1
4    ТП 2-1/400-Ф1-13-ЖБ  Ф1  13  ТП 2-1/400-Ф1
..                   ...  ..  ..            ...
810  ТП 8-1/160-Ф1-75-ЖБ  Ф1  75  ТП 8-1/160-Ф1
811  ТП 8-1/160-Ф1-76-ЖБ  Ф1  76  ТП 8-1/160-Ф1
812  ТП 8-1/160-Ф1-77-ЖБ  Ф1  77  ТП 8-1/160-Ф1
813   ТП 8-1/160-Ф1-8-ЖБ  Ф1   8  ТП 8-1/160-Ф1
814   ТП 8-1/160-Ф1-9-ЖБ  Ф1   9  ТП 8-1/160-Ф1

[815 rows x 4 columns]
python

1 个回答

  1. Best Answer

    试试这样：

    def get_num(col):
    return col.str.extract(r"(?P<x>\d+)")["x"].astype("int16")

res = (df
       .assign(nf1=get_num(df["nf"]), no1=get_num(df["no"]))
       .sort_values(["new_name", "nf1", "no1"])
       .drop(columns=["nf1", "no1"]))

    结果：

    In [80]: res
Out[80]:
                  name  nf  no       new_name
0   ТП 2-1/400-Ф1-1-ЖБ  Ф1   1  ТП 2-1/400-Ф1
1  ТП 2-1/400-Ф1-10-ЖБ  Ф1  10  ТП 2-1/400-Ф1
2  ТП 2-1/400-Ф1-11-ЖБ  Ф1  11  ТП 2-1/400-Ф1
3  ТП 2-1/400-Ф1-12-ЖБ  Ф1  12  ТП 2-1/400-Ф1
4  ТП 2-1/400-Ф1-13-ЖБ  Ф1  13  ТП 2-1/400-Ф1
8   ТП 8-1/160-Ф1-8-ЖБ  Ф1   8  ТП 8-1/160-Ф1
9   ТП 8-1/160-Ф1-9-ЖБ  Ф1   9  ТП 8-1/160-Ф1
5  ТП 8-1/160-Ф1-75-ЖБ  Ф1  75  ТП 8-1/160-Ф1
6  ТП 8-1/160-Ф1-76-ЖБ  Ф1  76  ТП 8-1/160-Ф1
7  ТП 8-1/160-Ф1-77-ЖБ  Ф1  77  ТП 8-1/160-Ф1
    • 4

相关问题