pandas中带比较符的字符串类型数值列如何高效排序

原有方案存在两个明显缺陷：

1. 直接拼接.001的逻辑仅适用于整数类型的比较值，若遇到'>27.2'这类带小数的比较值，会生成'>27.2.001'的非法格式，无法转换为float类型
2. 链式赋值写法df['col_1'].loc[...]会触发SettingWithCopyWarning，存在隐性风险，且直接修改原始列值需要额外操作才能恢复原始字符串，冗余度高

更优实现方案 #

推荐直接使用pandas.sort_values的key参数（pandas 1.1.0及以上版本支持），不需要修改原始列，也不需要额外创建辅助列，逻辑清晰且健壮：

import pandas as pd

# 示例数据
df = pd.DataFrame({
    'col_1': ['27', '>27', '27.2', '28', '<26', '26.5', '>28.1']
})

def sort_convert(s: pd.Series) -> pd.Series:
    # 提取比较符和纯数值部分
    cmp_flag = s.str.extract(r'([<>]?)', expand=False)
    num_val = s.str.extract(r'(\d+\.?\d*)', expand=False).astype(float)
    # 根据比较符调整排序权重：带>的同值排在纯数字后，带<的排在纯数字前
    return num_val + (cmp_flag == '>') * 0.001 - (cmp_flag == '<') * 0.001

# 直接排序，原始字符串完全保留
df_sorted = df.sort_values('col_1', key=sort_convert).reset_index(drop=True)

旧版本pandas兼容方案 #

如果使用的pandas版本低于1.1.0，可以显式创建排序辅助列完成排序：

# 拆分比较符和数值
df[['cmp_flag', 'num_val']] = df['col_1'].str.extract(r'([<>]?)(\d+\.?\d*)', expand=True)
df['num_val'] = df['num_val'].astype(float)
# 生成排序键
df['sort_key'] = df.apply(
    lambda x: x['num_val'] + 0.001 if x['cmp_flag'] == '>' else x['num_val'] - 0.001 if x['cmp_flag'] == '<' else x['num_val'],
    axis=1
)
# 排序后删除辅助列
df_sorted = df.sort_values('sort_key').drop(columns=['cmp_flag', 'num_val', 'sort_key']).reset_index(drop=True)

注意事项 #

• 调整的权重步长（示例中为0.001）需要根据你的数据实际最小精度设置，比如你的数据最小精度为小数点后2位，可将步长改为0.0001，避免和实际存在的数值产生冲突
• 如果存在不符合格式的异常字符串，可以在astype(float)时添加errors='coerce'参数将异常值转为NaN，再通过sort_values的na_position参数指定异常值的排序位置

内容的提问来源于stack exchange，提问作者Dan