python-3.x - 如何 Pandas 对具有其中一列作为版本号的数据框进行排序？

Question

我是 Python 的初学者。我正在尝试对 versions 上的数据框进行排序柱子 -print(df)

        versions         memory
0         10.0.0         107.07
1       10.0.0.1         110.11
2         10.0.2         110.56
3         10.0.4         116.27
4         10.1.0         116.17
5         10.1.2         113.98
6         10.1.4         113.27
7         10.2.0         103.32
8          9.9.2         112.02
9        9.9.2.3         112.28
10         9.9.4         114.45
11       9.9.4.1         114.32

这样得到的数据帧是 -

        versions         memory
0          9.9.2         112.02
1        9.9.2.3         112.28
2          9.9.4         114.45
3        9.9.4.1         114.32
4         10.0.0         107.07
5       10.0.0.1         110.11
6         10.0.2         110.56
7         10.0.4         116.27
8         10.1.0         116.17
9         10.1.2         113.98
10        10.1.4         113.27
11        10.2.0         103.32

versions 的数据类型列是 object .
我试着做 - df = df.sort_values('versions')但这会使数据框保持不变。
还尝试做 -

from distutils.version import StrictVersion
df = sorted(df['ghost_version'], key=StrictVersion)

但它在 ValueError: invalid version number '10.0.0.1' 上出错
有人可以指导吗？
谢谢

Answer 1

您可以创建由整数填充的元组，通过 Series.argsort 获取排序值的索引并通过 DataFrame.iloc 更改订单, 最后用于默认索引使用 DataFrame.reset_index :

df1 = (df.iloc[df['versions'].apply(lambda x: tuple(map(int, x.split(".")))).argsort()]
         .reset_index(drop=True))

或者使用带有 DataFrame.sort_values 的辅助列最后删除列:

df['tmp'] = df['versions'].apply(lambda x: tuple(map(int, x.split("."))))
df1 = df.sort_values('tmp').drop('tmp', axis=1).reset_index(drop=True)

对于排序值的顺序也可以使用 LooseVersion :

from distutils.version import LooseVersion

df1 = df.iloc[df['versions'].apply(LooseVersion).argsort()].reset_index(drop=True)


    versions  memory
0      9.9.2  112.02
1    9.9.2.3  112.28
2      9.9.4  114.45
3    9.9.4.1  114.32
4     10.0.0  107.07
5   10.0.0.1  110.11
6     10.0.2  110.56
7     10.0.4  116.27
8     10.1.0  116.17
9     10.1.2  113.98
10    10.1.4  113.27
11    10.2.0  103.32