如何按特定规则对DataFrame的字母列排序（A00、B00等）

问题场景 #

现有DataFrame列值如下：

A00
B00
AA0
BA0
AB0
C00
Z00

期望排序后结果：

A00
B00
C00
Z00
AA0
AB0
BA0

直接使用sort_values()会得到字典序结果（单字母与对应双字母值相邻），不符合需求，需要将所有单字母前缀的组排在双字母前缀组的前面。

解决方案 #

核心思路：先按前缀字母的长度排序（长度短的优先），再在同一长度组内按字典序排序。

方法1：使用辅助列（兼容旧版pandas）

import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame({'col': ['A00', 'B00', 'AA0', 'BA0', 'AB0', 'C00', 'Z00']})

# 添加辅助列：提取前缀字母的长度
df['prefix_length'] = df['col'].str.extract('([A-Za-z]+)').str.len()

# 先按前缀长度升序，再按原列值升序排序，最后删除辅助列
sorted_df = df.sort_values(by=['prefix_length', 'col']).drop('prefix_length', axis=1)

# 输出结果
print(sorted_df['col'].tolist())
# 输出：['A00', 'B00', 'C00', 'Z00', 'AA0', 'AB0', 'BA0']

方法2：使用sort_values的key参数（pandas 1.1.0+推荐）

无需额外辅助列，直接通过key指定排序规则：

import pandas as pd

df = pd.DataFrame({'col': ['A00', 'B00', 'AA0', 'BA0', 'AB0', 'C00', 'Z00']})

# 排序规则：先按前缀字母长度，再按原列值
sorted_df = df.sort_values(by='col', key=lambda x: (x.str.extract('([A-Za-z]+)').str.len(), x))

print(sorted_df['col'].tolist())
# 输出：['A00', 'B00', 'C00', 'Z00', 'AA0', 'AB0', 'BA0']

原理说明 #

• x.str.extract('([A-Za-z]+)')：提取每个列值中的连续字母前缀（比如A00提取A，AA0提取AA）
• 排序时先按前缀长度分组：长度为1的单字母组排在前，长度为2的双字母组排在后
• 同一组内按原列值的字典序排序，保证单字母组内A00→B00→C00→Z00、双字母组内AA0→AB0→BA0的顺序

内容的提问来源于stack exchange，提问作者Ashish