Python 如何组合两个数据帧并在混合字母数字类型的列上自然排序？

我有：

QID问题B答案1答案2答案3 F G H I J
0 3 a 4.0 a a e g i l
1 4 b 5.0 b a r h m p
2.5 d 5.0 NaN e d b u e i z
36e5.0dhrbczi3

我想在

df_1

的行之间添加这一点

QID问题B答案1答案2答案3 F G H I J
2 4_1 z 5.0 bk b a r h m p
3 4_2 w 4.0 b k b c r h m p

事实上，我希望获得：

QID问题B答案1答案2答案3 F G H I J
0 3 a 4.0 a a e g i l
1 4 b 5.0 b a r h m p
2 4_1 z 5.0 bk b a r h m p
3 4_2 w 4.0 b k b c r h m p
4.5 d 5.0 NaN e d b u e i z
5 6 e 5.0 d h r b c z i 3

因此，我想在

df1

行之后，集成第二个数据帧

new_dataframe

的行，其QID由一个数字和一个子数字组成。例如，

new_dataframe

中的行，其QID是

4_1

，

4_2

。。。应在

4

之后集成

到目前为止，我尝试了以下方法：

# Now I would like to join this new dataframe with dataframe_1, respecting the index, sort it and so on.
for i, row in df1.iterrows():
    qid = row['QID']
    # test if there is such a QID in new_dataframe
    repeated_question = new_dataframe[new_dataframe['QID'].split("_")[0] == qid]
    # insert them 

更新 我用实际数据尝试了特伦顿·麦金尼（Trenton McKinney）的更新答案，但得到了一个例外：

from natsort import index_natsorted as ins
import numpy as np
import pandas as pd

# read the files
df1 = pd.read_csv("/content/drive/My Drive/Auspex/QuestionBank_06082020_QGrid_and_CINT.csv", dtype={'QID': str}, low_memory=False)
df1.drop(columns=['Unnamed: 0'], inplace=True)

df2 = pd.read_csv('/content/drive/My Drive/Auspex/new_df.csv', dtype={'QID': str})
df2.drop(columns=['Unnamed: 0'], inplace=True)

# concat them
df = pd.concat([df1, df2])

# sort the values using the key parameter in sort_values
df.sort_values(by='QID', key=lambda col: np.argsort(ins(col))).reset_index(drop=True)

我得到：

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-18-d9f848d1f6bf> in <module>()
     14 
     15 # sort the values using the key parameter in sort_values
---> 16 df.sort_values(by='QID', key=lambda col: np.argsort(ins(col))).reset_index(drop=True)

TypeError: sort_values() got an unexpected keyword argument 'key'

---------------------------------------------------------------------------
TypeError回溯（最近一次调用上次）
在（）
14
15#使用sort#u values中的键参数对值进行排序
--->16 df.sort_值（by='QID'，key=lambda col:np.argsort（ins（col）））.reset_索引（drop=True）
TypeError:sort_values（）获得意外的关键字参数“key”

Updated：使用数据文件和

natsort

• 对于包含字符串和数字的混合数据类型，值将不会按数字顺序排序，而是将相关值放在一起。

  • 100

    将与

    100_A

    一起使用
• 要解决此问题，请使用可用于

  pip

  或

  conda

  安装的
• 这将使用

  的
  键
  参数对值进行排序

来自natsort导入索引\u natsort作为ins排序
将numpy作为np导入
作为pd进口熊猫
#读文件
df1=pd.read\u csv（'data/QuestionBank\u 06082020\u QGrid\u and\u CINT-QuestionBank\u 06082020\u QGrid\u and\u CINT.csv'，dtype={'QID'：str}，内存不足=False）
df1.drop（列=['Unnamed:0']，inplace=True）
df2=pd.read_csv（'data/new_df.csv'，dtype={'QID'：str}）
df2.drop（列=['Unnamed:0']，inplace=True）
#干掉他们
df=pd.concat（[df1，df2]）
#使用sort_values中的键参数对值进行排序
df.sort_值（by='QID'，key=lambda col:np.argsort（ins（col）））.reset_索引（drop=True）

样本结果

#显示（df.iloc[：60，：1]）
QID
0南
1楠
2楠
3南
4      0
50R
6      1
7      2
8      4
9      5
10 5R
11     6
12     7
13     8
14     9
15    10
16    11
17    12
18    13
19    14
20    15
21    16
22    17
23    18
24    19
25    20
26  20_1
27  20_2
28  20_3
29  20_4
30  20_5
31  20_6
32  20_7
33    21
34    22
35    23
36    24
37 24R
38    25
39    26
40    27
41    28
42    29
43    30
44    31
45    32
46    33
47    34
48    35
49    36
50  36_1
51  36_2
52  36_3
53  36_4
54  36_5
55  36_6
56  36_7
57  36_8
58  36_9
59    37

原始答案：使用测试数据

• 数据帧

• df1.QID

  可以是基于示例的

  int

  列，而

  df2.QID

  将是

  str

  类型。
  • 组合数据帧时，

    'QID'

    列需要转换为

    str

    类型，因为创建时它将是混合类型，并且不起作用。

    ---

    • TypeError:“非常感谢！我尝试了它，但得到了一个TypeError异常
      sort_values（）得到了一个意外的关键字参数“key”
      我以为只有当它是熊猫系列时才会触发此异常？我已经用我的答案更新了我的问题attempt@RevolucionforMonica你需要更新熊猫。密钥仅在版本1.1.0后可用