如何对含版本号字符串列的Pandas DataFrame进行自然排序？

原始数据 #

首先定义初始DataFrame：

import pandas as pd

df = pd.DataFrame({
    'a': ['abc_1.2.6','abc_1.2.60','abc_1.2.7','abc_1.2.9','abc_1.3.0','abc_1.3.10','abc_1.3.100','abc_1.3.11'], 
    'b': [1,2,3,4,5,6,7,8]
})

初始输出：

a           b
0   abc_1.2.6   1
1   abc_1.2.60  2
2   abc_1.2.7   3
3   abc_1.2.9   4
4   abc_1.3.0   5
5   abc_1.3.10  6
6   abc_1.3.100 7
7   abc_1.3.11  8

需求 #

需要对a列按版本号进行自然排序（按数字大小比较，而非字符串字典序），得到如下结果：

a           b
0   abc_1.2.6   1
1   abc_1.2.7   3
2   abc_1.2.9   4
3   abc_1.2.60  2
4   abc_1.3.0   5
5   abc_1.3.10  6
6   abc_1.3.11  8
7   abc_1.3.100 7

解决方案 #

方法1：自定义版本号转换函数（无需第三方库） #

直接提取版本号并转为整数元组，以此作为排序键：

# 提取版本号并转换为整数元组
def get_version_tuple(s):
    # 拆分出下划线后的版本部分，再按点分割转整数
    return tuple(map(int, s.split('_')[1].split('.')))

# 按转换后的版本元组排序，重置索引
sorted_df = df.sort_values(
    by='a',
    key=lambda col: col.apply(get_version_tuple),
    ignore_index=True
)
print(sorted_df)

方法2：使用natsort库（更简洁） #

natsort专门处理自然排序场景，先安装库：

pip install natsort

然后用以下代码排序：

from natsort import natsort_keygen

# 直接使用natsort的排序生成器作为key
sorted_df = df.sort_values(
    by='a',
    key=natsort_keygen(),
    ignore_index=True
)
print(sorted_df)

说明 #

直接使用df.sort_values(by=['a'], ignore_index=True)无效的原因是：字符串默认按字典序排序，会将'60'判定为小于'7'（因为'6'的ASCII码小于'7'），而自然排序会将版本号拆分为数字逐个比较，从而得到符合预期的结果。

内容的提问来源于stack exchange，提问作者doine