Python学习笔记—数据表处理中文数据列的排序

开发工具：vscode

        第一步，依旧需要导入pandas库，先将读取到的数据表存储为DataFrame对象。

import pandas as pd

#csv文件读取
table = pd.read_csv("E:\\python_lean\\table\\data.csv",encoding='gb18030')
print(table)

输出结果：

   员工编号 员工姓名  所在部门  职位  年龄  
0  2022001   小江   人事部    经理    41        
1  2023001   小红   后勤部    员工    24 
2  2020002   李华  值班一组    组长   33  

   

    选择想要提取的三列数据，这里我们使用列名提取对应的列数据。

columns = ['员工编号', '员工姓名', '年龄']
select_table = table[columns]
print(select_table)


输出结果：
   员工编号 员工姓名  年龄
0  2022001   小江     41
1  2023001   小红     24
2  2020002   李华     33

        根据某列数据，进行排序，这里用到的是 sort_values() 函数，它会返回一个新的已排序列表，并不会改变原始列表。默认情况下，会按照升序规则进行排序，我们先对姓名进行排序，由于python对于中文的排序方式是根据Unicode码点进行排序的，所以直接对中文字符串列进行排序的时候，会导致得到的排序数据表不是我们想要的结果，以下是sort_values()方法直接排序的结果。

sorted_table = select_table.sort_values(by='员工姓名')
print(sorted_table)


输出结果：
  员工编号 员工姓名  年龄
0  2022001   小江  41
1  2023001   小红  24
2  2020002   李华  33

        并没有按照我们理解的拼音方式进行排序，在这种情况下，需要使用额外的库，这里用到的是pypinyin库，使用pypinyin将中文名字转换为拼音，并作为临时列添加到DataFrame中，在将拼音列进行删除，整体的代码如下所示。

import pandas as pd
from pypinyin import lazy_pinyin

#读取csv文件
table = pd.read_csv("E:\\python_lean\\table\\data.csv",encoding='gb18030')
print(table)

#获取特定的列数据
columns = ['员工编号', '员工姓名', '年龄']
select_table = table[columns]
print(select_table)

#按照姓名进行排序（可对中文字符串进行排序,python对于中文的排序方式是根据Unicode码点进行排序的）
#若是想要获得中文拼音排序结果，需要使用额外的库：pypinyin，将中文转换为拼音后再进行排序
# 使用pypinyin将中文名字转换为拼音，并作为临时列添加到DataFrame中
select_table['Pinyin'] = select_table['员工姓名'].apply(lazy_pinyin)
# 根据拼音列进行排序
sorted_df = select_table.sort_values(by='Pinyin')
# 删除临时添加的拼音列
sorted_df = sorted_df.drop(columns='Pinyin')
# 显示拼音排序后的数据表
print(sorted_df)