如何使用Python按数值和名称对文本文件数据进行排序

下面提供两种可直接使用的实现方式，默认输入文件为input.txt，排序后结果输出到sorted_output.txt。

原生Python实现（无需安装第三方依赖） #

直接用Python内置方法即可完成需求，兼容性最好：

# 读取并解析数据
data = []
with open("input.txt", "r", encoding="utf-8") as f:
    for line in f:
        line = line.strip()
        if not line:  # 跳过空行
            continue
        # 按固定分隔符切分，支持化合物名含空格的场景
        name_part, score_part = line.split(" score = ")
        score = float(score_part)
        data.append((score, name_part))

# 排序规则调整
# 1. 分值升序+同分按名称字典序升序：key=lambda x: (x[0], x[1])
# 2. 分值降序+同分按名称字典序升序：key=lambda x: (-x[0], x[1])
sorted_data = sorted(data, key=lambda x: (x[0], x[1]))

# 写入输出文件
with open("sorted_output.txt", "w", encoding="utf-8") as f:
    for score, name in sorted_data:
        f.write(f"{name} score = {score}\n")

你可以根据自己的排序需求，修改sorted方法的key参数即可。

Pandas实现（适合后续需要进一步处理数据的场景） #

如果已经安装了pandas包，代码会更简洁：

import pandas as pd

# 读取数据
df = pd.read_csv("input.txt", sep=" score = ", engine="python", names=["compound_name", "score"])

# 排序规则调整，ascending参数对应两个字段的排序方向：True为升序，False为降序
# 示例为分值降序，同分按名称升序：
df_sorted = df.sort_values(by=["score", "compound_name"], ascending=[False, True])

# 输出到文件
df_sorted.to_csv("sorted_output.txt", sep=" ", header=False, index=False, float_format="%.3f")

可根据需要调整ascending参数的取值，匹配你的排序要求。

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