手动对数据框中列中的字符串进行排序

问题描述

我想在我的数据框中的这一列中对这些字符串进行排序。我想按收入从低到高或从高到低排序 - 无所谓。

最小可重复样本

    K_INCOME    COFFEE_CONSUMER_CATEGORY    HHID_COUNT
1    100,000− 124,999   retained    154022
12   125,000− 149,999   retained    82124
14   15,000− 19,999 retained    26965
10   150,000− 199,999   retained    77617
9    20,000− 29,999 retained    65817
0    200,000− 249,999   retained    36755
7    250,000− 399,999   retained    21755
3    30,000− 39,999 retained    87054
2    40,000− 49,999 retained    110710
8    400,000− 499,999   retained    3493
11   50,000− 59,999 retained    130240
5    60,000− 74,999 retained    168661
13   75,000− 99,999 retained    242603
4   Less than $15,000   retained    58331
15  More than $500,000  retained    9694
6   None    retained    130015

我尝试了收入_df_sorted = income_df.sort_values(by=['K_INCOME']) 收入_df_sorted 但它返回以下内容。

我试过系列有一个替换方法来做到这一点：

s = income_df['K_INCOME'].replace({'None':0,'Less than $15,000':1,'15,999':2})
s.sort_values()

...但是得到了这个类型错误 TypeError: '

关于如何按收入水平排序的任何想法？理想情况下，我不必尝试转换为整数，因为它们是一个范围，我需要在更大的数据库中保留为字符串。

（我需要排序，以便我可以将收入从低到高或从高到低绘制。）

更新：像这样所需的输出

谢谢！ G

解决方法

正如我在评论中所说，我不确定如何对收入进行排名。对于排序，我刚刚定义了收入超过 50 的人的收入为 51，而收入低于 50 的人的收入为 49。其余的我取了收入上限。所以我使用正则表达式来查找某人的收入是少还是多，并设置了一个修正系数。之后拆分并连接字符串以获取字符串形式的收入。在返回之前，我将字符串转换为整数并添加校正因子。

def calcIncome(string):

    # value is a correction factor for the income
    value = 0
    if re.search("Less than.*",string) != None:
        value = -1
    elif re.search("More than.*",string) != None:
        value = 1

    #extract highest income
    stringLst = re.split('\$|-',string)
    highIncomeLst = stringLst[len(stringLst) - 1].split(',')
    income = ''

    for i in highIncomeLst:
        income += i

    return int(income) + value

sampleDf = pd.DataFrame({'income': ['Less than 3,000','3000-5000'],'B': [21,32],'C': ['a','b']})
sampleDf.dropna(subset=['income'],inplace=True)
sampleDf['sorting_income'] = sampleDf.apply(lambda row: calcIncome(row['income']),axis=1)
print(sampleDf.sort_values(by=['sorting_income']))

也许在最终版本中您想删除新列。您可以使用以下内容： sampleDF.drop(['sorting_income'],axis=1,inplace=True)

关于直方图更新 原理不变。编写一个函数，返回给定收入的组。像小于 15 的返回 0 等等。并且比使用 df.apply 像给定的方法。为了更准确地回答，我需要知道这些步骤是否始终相同以及有关您所需逻辑的一些信息。我把收入低于 50 的人放在哪个组中。在所有较低的组中，或者最接近 50 或最低。