我正在dplyr 1.4.2中使用R 3.6,在熊猫1.0.3中使用Python 3.7。
我需要确保我的R和Python脚本都能以相同顺序对相同字符串向量进行排序。但是,在我的本地环境中不是这样:
在R中:
library(dplyr)
df <- data.frame(
x = c('abc(_01', 'aaa_05', 'abc_01', 'abc_01', 'abc_01', 'abc_01', NA, 'abc_01', 'abc_02', 'abc_02', 'abc_03')
)
df %>% arrange(x)
生成:
x
1 aaa_05
2 abc_01
3 abc_01
4 abc_01
5 abc_01
6 abc_01
7 abc_02
8 abc_02
9 abc_03
10 abc(_01
11 NA
在Python中:
import pandas as pd
import numpy as np
df = pd.DataFrame({
'x': ['abc(_01', 'aaa_05', 'abc_01', 'abc_01', 'abc_01', 'abc_01', np.nan, 'abc_01', 'abc_02', 'abc_02', 'abc_03']
})
df.sort_values(['x']).reset_index(drop=True)
生成:
x
0 aaa_05
1 abc(_01
2 abc_01
3 abc_01
4 abc_01
5 abc_01
6 abc_01
7 abc_02
8 abc_02
9 abc_03
10 NaN
我相信这是由于Python和R使用不同的排序规则而造成的。
如果是这种情况,如何配置两种语言以使用相同的排序规则?
为了确保Python和R Shell都使用相同的排序规则,请设置相同的排序规则之前创建数据帧。
例如:
在R:
Sys.setlocale(category="LC_COLLATE", locale="C")
Sys.getlocale(category="LC_COLLATE")
[1]“ C”
在Python中:
import locale
locale.setlocale(locale.LC_COLLATE, "C")
locale.getlocale(locale.LC_COLLATE)
((无,无)] >>