如何对pandas dataframe中的区间值进行排序？

问题核心原因 #

你遇到的排序失效问题，90%以上的概率是你的区间值列存储的是字符串格式，字符串默认按字典序排序，不会识别数值大小逻辑，其次是忘记接收sort_values的返回值或者未加inplace参数。

解决方法 #

• 第一种方案：不修改原列类型，拆分临时列排序
  先把区间的左右边界拆成数值列，按数值排序后删除临时列即可：

  # 把示例中的「区间列」替换成你实际的列名
  df[['left_bound', 'right_bound']] = df['区间列'].str.split('-', expand=True).astype(float)
  df = df.sort_values(by=['left_bound', 'right_bound']).drop(columns=['left_bound', 'right_bound'])
  

• 第二种方案：转换为pandas区间类型，后续可直接排序
  把列转换为pandas原生的IntervalDtype格式，后续所有排序、比较操作都会按区间数值逻辑生效：

  import pandas as pd
  # 拆分边界
  df[['l', 'r']] = df['区间列'].str.split('-', expand=True).astype(float)
  # closed参数可选left/right/both/neither，对应你的区间开闭规则
  df['区间列'] = df.apply(lambda x: pd.Interval(x['l'], x['r'], closed='both'), axis=1)
  df = df.drop(columns=['l','r'])
  # 后续直接排序即可生效
  df = df.sort_values('区间列')
  

常见注意点 #

pd.sort_values()默认不会修改原DataFrame，要么加inplace=True参数，要么把排序后的结果赋值给新变量/原变量，否则操作不会生效。

内容的提问来源于stack exchange，提问作者Yana