如何对Pandas DataFrame的字母数字列名进行自然排序？

你碰到的问题是Pandas默认的列排序（df.sort_index(axis=1)或sorted(df.columns)）用的是字典序，会把a10这类带数字的列名排在a2前面，完全不是想要的自然排序效果。要实现类似R语言mixedsort/mixedorder的通用排序，不管列名是纯字母、字母数字混合还是带特殊字符，都能正确排序，我们可以自定义排序规则。

核心思路 #

把列名拆分为「非数字段」和「数字段」，将数字段转换成整数后再参与排序，这样数字会按数值大小比较，而非字符串字典序。

完整实现代码 #

import pandas as pd
import re

# 示例数据
data = {
    'year': [2014, 2018, 2020, 2017], 
    'a1': ["toyota", "honda", "hyndai", "nissan"],
    'a10': ["corolla", "civic", "accent", "sentra"],
    'b10': ["toyota", "honda", "hyndai", "nissan"],
    'a%': ["corolla", "civic", "accent", "sentra"],
    'a2': ["toyota", "honda", "hyndai", "nissan"],
    'b': ["corolla", "civic", "accent", "sentra"],
    'b2': ["corolla", "civic", "accent", "sentra"]
}

df = pd.DataFrame(data)

# 定义自然排序的key函数
def natural_sort_key(s):
    # 拆分字符串为非数字和数字部分，数字转整数，字符串统一小写（如需区分大小写可去掉.lower()）
    parts = re.split(r'(\d+)', s)
    return [int(part) if part.isdigit() else part.lower() for part in parts]

# 按自然排序规则重新排列列
sorted_columns = sorted(df.columns, key=natural_sort_key)
df_sorted = df.reindex(sorted_columns, axis=1)

# 输出排序后的列名
print(df_sorted.columns)

运行结果 #

排序后的列顺序为：
Index(['a%', 'a1', 'a2', 'a10', 'b', 'b2', 'b10', 'year'], dtype='object')

规则说明 #

• 带特殊字符的列（如a%）按字符串本身排序
• 字母数字混合列（如a1/a2/a10）先按字母部分排序，再按数字的数值大小排序
• 纯字母、纯数字列均能正确适配
• 函数中part.lower()用于实现不区分大小写排序，若需要严格区分大小写，删除该部分即可

内容的提问来源于stack exchange，提问作者Mathica