如何确保 R 和 Python 脚本使用相同的排序规则？

Question

我正在使用 R 3.6 和 dplyr 1.4.2，Python 3.7 和 Pandas 1.0.3。

我需要确保我的 R 和 Python 脚本都可以按相同的顺序对相同的字符串向量进行排序。然而，在我的本地环境中，情况并非如此：

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

我认为这是由于 Python 和 R 使用不同的排序规则造成的。

如果是这种情况，我如何配置两种语言使用相同的排序规则？

Answer 1

为了保证 Python 和 R shell 使用相同的排序规则，在创建数据帧之前设置相同的排序规则。

例如：

在 R 中：

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)

(None, None)

如何确保 R 和 Python 脚本使用相同的排序规则？

How to ensure R and Python scripts use the same collation?

python

sorting

r

collation