如何在DataFrame中按指定规则转换列并生成排序后的新列？

需求说明 #

有一个Pandas DataFrame的字符串列，满足以下规则：

• 所有字符串以字母开头，可以字母结尾
• 用英文句点.分隔各段内容
• 分隔后的数字段长度为1位或2位

需要完成两项操作：

1. 生成新列：将.替换为_，数字段补零至2位，字母段转为大写
2. 按「先字母、再数字」的层级规则对DataFrame排序，得到指定格式结果

输入示例 #

Col
H.14.01.2
H.14.01.11
H.14.2
H.14.01.12
H.14.01.20
H.14.02.02
H.14.02.J
H.14.01.1
H.14.01.A
H.14.01.11.1
H.14.01.12.b

期望输出 #

Required
H_14_01_01
H_14_01_02
H_14_01_11
H_14_01_11_01
H_14_01_12
H_14_01_12_B
H_14_01_20
H_14_01_A
H_14_02
H_14_02_02
H_14_02_J

实现代码 #

1. 导入库并构造示例数据 #

import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame({
    'Col': [
        'H.14.01.2', 'H.14.01.11', 'H.14.2', 'H.14.01.12', 'H.14.01.20',
        'H.14.02.02', 'H.14.02.J', 'H.14.01.1', 'H.14.01.A', 'H.14.01.11.1',
        'H.14.01.12.b'
    ]
})

2. 定义格式转换函数并生成新列 #

def format_column(s):
    # 按句点拆分字符串
    parts = s.split('.')
    processed_parts = []
    for part in parts:
        if part.isdigit():
            # 数字补零到2位
            processed_parts.append(part.zfill(2))
        else:
            # 字母转大写
            processed_parts.append(part.upper())
    # 用下划线拼接
    return '_'.join(processed_parts)

# 生成新列Required
df['Required'] = df['Col'].apply(format_column)

3. 自定义排序规则并排序 #

def get_sort_key(s):
    # 按下划线拆分排序键
    key_parts = []
    for part in s.split('_'):
        if part.isdigit():
            # 数字转为整数，确保按数值排序
            key_parts.append(int(part))
        else:
            # 字母保持字符串，按字母顺序排序
            key_parts.append(part)
    return key_parts

# 按自定义key排序，重置索引
df_sorted = df.sort_values(by='Required', key=lambda x: x.apply(get_sort_key)).reset_index(drop=True)

4. 查看结果 #

# 打印最终结果的Required列
print(df_sorted['Required'])

运行后即可得到符合要求的排序结果。

内容的提问来源于stack exchange，提问作者Manojs