natural sort dataframe

Bonjour,
j'essaie de faire un "trie naturel" relatif à une colonne d'un dataframe mais il y a un truc qui ne marche pas.
quand j'applique le "natsorted" sur la colonne en question le trie s'effectue correctement.
mais quand je l'applique sur la dataframe entière ça marche plus (ça plante pas mais le trie n'est plus bon).
ci dessous un exemple:

(avec:
from natsort import natsorted)
import pandas as pd)

Code:

---

1 2 3 4 5 6

df = pd.DataFrame(columns = ['Name',"aaaa","bbbb"]) df["Name"]=["aaa-1","aaa-2","aaa-11","aaa-10","aaa-8","aaa-5"] df["aaaa"] = [9,8,7,6,5,4] df["bbbb"] = [3,4,5,6,7,8] df = df.sort_values(by=["Name"], key=lambda x: natsorted(df["Name"])) df = df.reset_index(drop=True)

---

j'obtiens:

Code:

---

1 2 3 4 5 6 7

Name aaaa bbbb 0 aaa-1 9 3 1 aaa-8 5 7 2 aaa-5 4 8 3 aaa-2 8 4 4 aaa-11 7 5 5 aaa-10 6 6

---

Alors que la colonne "Name" devrait ressembler à:

Code:

---

['aaa-1', 'aaa-2', 'aaa-5', 'aaa-8', 'aaa-10', 'aaa-11']

---

enfin c'est ce que me sort spontanément le trie suivant:

Code:

---

a=natsorted(df["Name"])

---

ou est l'erreur?

La page officielle de documentation de pandas sort_values() donne déjà un exemple. C'est fait comme ça.

Code:

---

1 2 3 4 5 6

import pandas as pd import numpy as np from natsort import index_natsorted #...etc df = df.sort_values(by=["Name"], key=lambda x: np.argsort(index_natsorted(df["Name"]))) #etc...

---

En fait, on peut faire épargner np.argsort() si on veut - c'est plus simple.

Code:

---

df = df.sort_values(by=["Name"], key=lambda x: index_natsorted(df["Name"]))

---

Bonjour,
merci! ça marche en effet