如何按照python中的内部列表对包含内部列表的列表进行排序

我有一个列表，其中包含列表、示例：

table[0] = ['255.255.255.255', '58267', '233', 'ESTABLISHED']
table[1] = ['255.132.0.0', '38367', '273', 'CLOSED']

我想按内部列表对列表“table”进行排序，例如：

我想根据列表中最后一个索引中的字符串，按字母顺序对“table”进行排序，该索引位于“table”中的每个索引中。它看起来是这样的：

table[0] = ['255.132.0.0', '38367', '273', 'CLOSED']
table[1] = ['255.255.255.255', '58267', '233', 'ESTABLISHED']

他们换了位置，因为“C”在“E”之前

我试过这个：

table.sort(key=lambda x: x.sort())

试试这个：

table.sort(key=lambda x: x[-1])

print(table)

输出：

[['255.132.0.0', '38367', '273', 'CLOSED'], ['255.255.255.255', '58267', '233', 'ESTABLISHED']]

试试这个：

table.sort(key=lambda x: x[-1])

print(table)

输出：

[['255.132.0.0', '38367', '273', 'CLOSED'], ['255.255.255.255', '58267', '233', 'ESTABLISHED']]

---

另一种方法是使用

numpy

的

argsort（）

函数。 它按排序后的顺序返回索引

import numpy as np
table = [['255.255.255.255', '58267', '233', 'ESTABLISHED'], ['255.132.0.0', '38367', '273', 'CLOSED']]

sorted_indexes = np.argsort([row[-1] for row in table])

sorted_table = np.array(table)[sorted_indexes]
# as list (and not numpy array):
sorted_table.tolist()

# [['255.132.0.0', '38367', '273', 'CLOSED'],
#  ['255.255.255.255', '58267', '233', 'ESTABLISHED']]

但是

np.argsort（）

的优点是它也可以用于数据帧：

import pandas as pd
df = pd.DataFrame(table)

sorted_indexes = np.argsort(df.iloc[:, -1])

sorted_df = df.iloc[sorted_indexes, :]

sorted_df                                                                                             

#                  0      1    2            3
# 1      255.132.0.0  38367  273       CLOSED
# 0  255.255.255.255  58267  233  ESTABLISHED

# you can get numpy arrays by `.values`
# and from numpy array to normal lists by `.tolist()
# so:

sorted_df.values.tolist() 

# [['255.132.0.0', '38367', '273', 'CLOSED'],
#  ['255.255.255.255', '58267', '233', 'ESTABLISHED']]

但熊猫当然有内在的种类：

df.sort_values(by=[3])

您可以通过为

指定多个列名或列索引，它们确定排序的优先级列值。
使用
.values.tolist（）
可以将数据帧重新转换回简单列表。
另一种方法是使用
numpy
的
argsort（）函数。
它按排序后的顺序返回索引

import numpy as np
table = [['255.255.255.255', '58267', '233', 'ESTABLISHED'], ['255.132.0.0', '38367', '273', 'CLOSED']]

sorted_indexes = np.argsort([row[-1] for row in table])

sorted_table = np.array(table)[sorted_indexes]
# as list (and not numpy array):
sorted_table.tolist()

# [['255.132.0.0', '38367', '273', 'CLOSED'],
#  ['255.255.255.255', '58267', '233', 'ESTABLISHED']]


但是
np.argsort（）
的优点是它也可以用于数据帧：

import pandas as pd
df = pd.DataFrame(table)

sorted_indexes = np.argsort(df.iloc[:, -1])

sorted_df = df.iloc[sorted_indexes, :]

sorted_df                                                                                             

#                  0      1    2            3
# 1      255.132.0.0  38367  273       CLOSED
# 0  255.255.255.255  58267  233  ESTABLISHED

# you can get numpy arrays by `.values`
# and from numpy array to normal lists by `.tolist()
# so:

sorted_df.values.tolist() 

# [['255.132.0.0', '38367', '273', 'CLOSED'],
#  ['255.255.255.255', '58267', '233', 'ESTABLISHED']]

但熊猫当然有内在的种类：

df.sort_values(by=[3])


您可以通过
为
指定多个列名或列索引，它们确定排序的优先级列值。
使用
.values.tolist（）
您可以将数据帧重新转换回简单的列表。
哦，我在python方面没有那么先进，哈哈，谢谢@Maya用于处理表格-您应该尽快学习数据帧。这会让你的生活变得更轻松。@Corey Schafer在youtube上的Maya教程非常适合快速入门！非常感谢。哦，我在python方面没有那么先进，哈哈，但是谢谢你@Maya用于处理表格-您应该尽快学习数据帧。这会让你的生活变得更轻松。@Corey Schafer在youtube上的Maya教程非常适合快速入门！谢谢大家!@你能总结一下解释吗。我也不清楚这是如何工作的？所以我认为代码按照内部列表最后一个位置的内容对“表”进行排序（x=内部列表，x[-1]=内部列表的最后一个位置）。默认排序是按字母顺序：）@Maya请您总结一下解释。我也不清楚这是如何工作的？所以我认为代码按照内部列表最后一个位置的内容对“表”进行排序（x=内部列表，x[-1]=内部列表的最后一个位置）。默认排序是按字母顺序：）