python中.sort（）和sorted（）函数的/wierd输出错误

Question

我有一个.csv文件，以表格的形式部分类似于此：

在本例中，每一行代表一个实体。 列“0”是指向其dbpedia页面的链接，“1”列表示标签，“2”列表示索引。它从1开始计数

最后我想要的是一个链接列表，例如列“1”，但按列“2”排序

我已经用同样的方法处理了很多其他的表，但是对于这个表，这个方法似乎失败了，我不知道为什么

import pandas as pd

entities = pd.read_csv("24142265_0_4577466141408796359.csv", header=None)

entitiesUri = [str(ent) for ent in entities[0]]
tmp = entitiesUri.copy()

#I sort 'entitiesUri' by the second column in 'entities' and the index of the link in tmp
entitiesUri.sort(key = lambda k: int(entities[2][tmp.index(k)]))

我创建了entitiesUri（tmp）的副本，以确保sort（）方法在使用lambda函数中必须排序的列表时不会出错

这是“entitiesUri”的打印：

它没有按索引对链接进行排序，但似乎也没有按字母顺序进行排序。但不知何故，它把相同的游戏以随机顺序聚在一起

我也用过

entitiesUri = sorted(entitiesUri, key = lambda k: int(entities[2][tmp.index(k)]))

而不是sort（），但结果相同

到目前为止，唯一对我起作用的是Pandas的sort_values（）函数

entities = entities.sort_values(2)

entitiesUri = [ent for ent in entities[0]]

结果正确：

但是这种方法让我慢了很多。知道为什么sort（）和sorted（）会中断吗

我已经链接到dropbox，如果你想亲自试用，你可以在那里下载.csv文件

https://www.dropbox.com/s/ld8u4td5rk4vn71/24142265_0_4577466141408796359.csv?dl=0

Answer 1

第一种方法不能像您预期的那样工作的原因是，您的输入在URL列中有重复项，并且list.index()返回第一个项的索引

$ grep The_Elder_Scrolls_V 24142265_0_4577466141408796359.csv
"http://dbpedia.org/resource/The_Elder_Scrolls_V:_Skyrim","the elder scrolls v: skyrim","3"
"http://dbpedia.org/resource/The_Elder_Scrolls_V:_Skyrim","the elder scrolls v: skyrim","1"
"http://dbpedia.org/resource/The_Elder_Scrolls_V:_Skyrim","the elder scrolls v: skyrim","5"

因此，例如，key = lambda k: int(entities[2][tmp.index(k)])返回3（数据帧最后一列中的值，用于上述URL的第一次出现）用于数据帧中的所有3次出现

>>> for e in tmp:
...   if e == 'http://dbpedia.org/resource/The_Elder_Scrolls_V:_Skyrim':
...       print(e, int(entities[2][tmp.index(e)]))
... 
http://dbpedia.org/resource/The_Elder_Scrolls_V:_Skyrim 3
http://dbpedia.org/resource/The_Elder_Scrolls_V:_Skyrim 3
http://dbpedia.org/resource/The_Elder_Scrolls_V:_Skyrim 3

因为3是最小的值（您可以通过从上面的列表中删除if语句来验证这一点），所以URL会首先出现在sorted()和sort()的输出中，并出现3次。删除if语句也会清楚地说明为什么排序entitiesUri会产生您得到的结果