如何按含文本与数字的列对Polars DataFrame进行自然排序

先给出示例DataFrame的创建代码，方便你测试：

import polars as pl

df = pl.DataFrame({
    "Name": ["No. 1", "No. 10", "No. 2"],
    "Value": [["None", "!!!"], ["0.3", "OK"], ["1.1", "OK"]]
})

这里有两种可行的方案，优先推荐使用Polars内置的向量化表达式，性能更好：

方法一：使用Polars内置表达式（推荐） #

利用str.extract提取Name中的数字部分，转成整数后作为排序依据，全程是向量化操作，效率更高：

sorted_df = df.sort(by=pl.col("Name").str.extract(r"\d+", 0).cast(pl.Int32))
print(sorted_df)

输出结果：

┌────────┬──────────────────────┐
│ Name   ┆ Value                │
│ ---    ┆ ---                  │
│ str    ┆ list[str]            │
╞════════╪══════════════════════╡
│ No. 1  ┆ ["None", "!!!"]      │
├╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌┤
│ No. 2  ┆ ["1.1", "OK"]        │
├╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌┤
│ No. 10 ┆ ["0.3", "OK"]        │
└────────┴──────────────────────┘

说明 #

• str.extract(r"\d+", 0)：用正则匹配字符串中的连续数字部分
• cast(pl.Int32)：把匹配到的数字字符串转成整数，确保排序是按数值大小而非字符串字典序

方法二：使用自定义Python函数（不推荐，仅作参考） #

Polars支持用map_elements传入自定义函数，但这是逐行处理逻辑，数据量大时性能会明显低于向量化操作：

def extract_number(name):
    return int(name.split()[-1])

sorted_df = df.sort(by=pl.col("Name").map_elements(extract_number, return_dtype=pl.Int32))
print(sorted_df)

输出结果和方法一完全一致。

内容的提问来源于stack exchange，提问作者Glenn Pierce