含混合字母数字的DataFrame排序异常问题排查

问题分析 #

当前代码的排序逻辑仅以字母部分、数字部分作为排序依据，但忽略了字母部分的长度——单字母（如A、J）应排在双字母（如AA、AB）之前，这是导致输出不符合预期的核心原因。

修正方案 #

修改排序的key参数，让排序优先级依次为：

1. 字母部分的长度（短的在前）
2. 字母部分的字典序
3. 数字部分的数值大小

修正后的代码 #

import pandas as pd
import re

def split_pin(pin):
    match = re.match(r"([A-Za-z]+)(\d+)", pin)
    if match:
        alphabetic_part = match.group(1).upper()  # 统一大写避免大小写干扰
        numeric_part = int(match.group(2))
        return (alphabetic_part, numeric_part)
    else:
        return (pin, 0)

def main():
    df = pd.DataFrame({
        "Pin No": ['J11', 'J1', 'A2', 'A11', 'A1', 'AA2', 'AB2'],
        "Pin Name": ['pin1', 'pin2', 'pin3', 'pin4', 'pin5', 'pin6', 'pin7']
    })
    
    df['Pin No Split'] = df['Pin No'].apply(split_pin)
    
    # 调整排序key：先按字母长度，再字母，再数字
    df_sorted = df.sort_values(
        by='Pin No Split',
        key=lambda x: x.apply(lambda y: (len(y[0]), y[0], y[1]))
    ).drop(columns=['Pin No Split']).reset_index(drop=True)
    
    print(df_sorted.to_string(index=False))  # 去掉索引更贴近期望输出格式

if __name__ == "__main__":
    main()

输出结果 #

Pin No Pin Name
    A1     pin5
    A2     pin3
   A11     pin4
    J1     pin2
   J11     pin1
   AA2     pin6
   AB2     pin7

关键说明 #

• 新增len(y[0])作为第一排序条件，确保单字母Pin先于双字母Pin排列
• 将字母部分转成大写（upper()），避免大小写差异导致的排序异常
• 使用to_string(index=False)输出，去掉自动生成的索引列，更匹配期望格式

内容的提问来源于stack exchange，提问作者Micky Kuty