Pandas：使用混合数据类型对多索引数据框的多级列进行排序

Question

下面是我的数据框：

In [2804]: df = pd.DataFrame({'A':[1,2,3,4,5,6], 'D':[{"value": '126', "perc": None, "unit": None}, {"value": 324, "perc": None, "unit": None}, {"value": 'N/A', "perc": None, "unit": None}, {}, {"value": '100', "perc": None, "unit": None}, np.nan]})

In [2794]: df.columns = pd.MultiIndex.from_product([df.columns, ['E']])

In [2807]: df

Out[2807]: 

   A                                             D

   E                                             E

0  1  {'value': '126', 'perc': None, 'unit': None}

1  2    {'value': 324, 'perc': None, 'unit': None}

2  3  {'value': 'N/A', 'perc': None, 'unit': None}

3  4                                            {}

4  5  {'value': '100', 'perc': None, 'unit': None}

5  6                                           NaN

我需要根据来自 的键(D,E)按降序对带有索引的多级列进行排序。valuedict

正如您所看到的，valuekey 可以具有混合数据类型的值，例如int, string或 为空，例如{}, 或NaN。

N/A并且Nan值应该始终在排序后出现在最后（asc 和 desc）。

预期输出：

In [2814]: df1 = pd.DataFrame({'A':[2,1,5,3,4,6], 'D':[{"value": 324, "perc": None, "unit": None}, {"value": '126', "perc": None, "unit": None}, {"value": '100', "perc": None, "unit": None}, {"value": 'N/A', "perc": None, "unit": None}, {},np.nan]})

In [2799]: df1.columns = pd.MultiIndex.from_product([df1.columns, ['E']])

In [2811]: df1

Out[2811]: 

   A                                             D

   E                                             E

0  2    {'value': 324, 'perc': None, 'unit': None}

1  1  {'value': '126', 'perc': None, 'unit': None}

2  5  {'value': '100', 'perc': None, 'unit': None}

3  3  {'value': 'N/A', 'perc': None, 'unit': None}

4  4                                            {}

5  6                                           NaN

Answer 1

创建由数字填充的辅助列并按此列排序：df['tmp'] = pd.to_numeric(df[('D','E')].str.get('value'), errors='coerce')df1 = df.sort_values('tmp', ascending=False).drop('tmp', axis=1)print (df1)   A                                             D   E                                             E1  2    {'value': 324, 'perc': None, 'unit': None}0  1  {'value': '126', 'perc': None, 'unit': None}4  5  {'value': '100', 'perc': None, 'unit': None}2  3  {'value': 'N/A', 'perc': None, 'unit': None}3  4                                            {}5  6                                           NaNdf1 = df.sort_values('tmp').drop('tmp', axis=1)print (df1)   A                                             D   E                                             E4  5  {'value': '100', 'perc': None, 'unit': None}0  1  {'value': '126', 'perc': None, 'unit': None}1  2    {'value': 324, 'perc': None, 'unit': None}2  3  {'value': 'N/A', 'perc': None, 'unit': None}3  4                                            {}5  6                                           NaN