Ordenar textos en Python con acentos en diferentes idiomas

Las listas que contienen cadenas de texto se pueden ordenar el Python mediante el uso de la función sorted(). Cuando se trabaja con cadenas de texto en inglés el resultado de la ordenación es correcto, pero no así en otros idiomas como el español donde existen acentos los cuales Python no ordena correctamente. Una solución a este problema se puede conseguir con el paquete pyuca, una implementación de ordenación Unicode que se adapta a las reglas de cada cualquier idioma. Lo que permite ordenar textos en Python con acentos en base a las reglas del español o cualquier otro idioma.

Ordenar textos en Python

Cuando se tiene una lista en Python con cadenas de texto desordenadas se puede obtener una nueva lista con el contenido ordenado mediante la función sorted(). Aunque esta función tiene un problema, ordena los textos en base a las reglas del inglés. Por eso, cuando las cadenas de texto contienen textos en español, u otros idiomas, con caracteres que no existen en inglés, como los acentos o la ñ, estos se ordenan de forma incorrecta de acuerdo con las reglas del español, o el idioma que se esté usando. Esto es algo que se puede ver en el siguiente ejemplo.

nombres = ['Carmen', 'Ana', 'Ángela', 'Beatriz', 'Carlos', 'Antonio']

sorted(nombres)

['Ana', 'Antonio', 'Beatriz', 'Carlos', 'Carmen', 'Ángela']

El resultado de la ordenación no es correcto. Ángela se sitúa al final, no entre Ana y Antonio. Esto es así porque Python considera que “á” es una letra diferente a “a”, además de que la sitúa después de todas las demás letras. Para solucionar el problema es necesario disponer indicar a sort una función que realice la ordenación en base a las reglas del idioma, lo que se puede encontrar dentro del paquete pyuca.

Instalación de pyuca

El paquete pyuca se puede instalar mediante pip, por lo que solamente se tendría que escribir en la terminal el siguiente comando.

pip install pyuca

Ordenar textos en Python con acentos

Una vez instadlo el paquete se puede ordenar la lista creando un objeto Collator y usando el método sort_key() como criterio de ordenación. Lo que se muestra en el siguiente ejemplo.

import locale
from pyuca import Collator

# Establece la configuración regional para el español
locale.setlocale(locale.LC_ALL, 'es_ES.UTF-8')

# Crea un objeto Unicode Collation Algorithm (UCA)
collator = Collator()

sorted(nombres, key=collator.sort_key)

['Ana', 'Ángela', 'Antonio', 'Beatriz', 'Carlos', 'Carmen']

En este ejemplo, en primer lugar, se establece la configuración regional al español. Lo que se hace para garantizar que se usen estas reglas de ordenación que se quieren y no las configuradas por defecto. Aunque, si el español es el idioma por defecto, se puede omitir este paso. Posteriormente, se crea un objeto Unicode Collation Algorithm (UCA) el cual se usará para ordenar las cadenas de texto. Finalmente se llama a la función sort() con las lista y el criterio de ordenación. Obteniendo como resultado la cadena ordenada mediante las reglas del español.

Ordenar textos en Pandas con acentos

El método sort_values() de los DataFrame pandas tiene exactamente el mismo problema que la función sort() de Python, ordena las cadenas de texto en base a las reglas del inglés. Algo que se puede comprobar fácilmente en el siguiente ejemplo.

import pandas as pd

df = pd.DataFrame({'nombres': nombres,
                   'edad': [35, 22, 44, 36, 26, 28] })

df_sorted = df.sort_values(by='nombres')
print(df_sorted)

   nombres  edad
0      Ana    35
2  Antonio    44
3  Beatriz    36
5   Carlos    28
4   Carmen    26
1   Ángela    22

Al igual que en el caso de la función sort(), la solución a este problema es usar el paquete pyuca para obtener una función de ordenación. Así una posible forma de resolver este problema en Pandas sería como se muestra a continuación.

df_sorted = df.sort_values(by='nombres', key=lambda x: x.map(collator.sort_key))
print(df_sorted)

   nombres  edad
0      Ana    35
1   Ángela    22
2  Antonio    44
3  Beatriz    36
5   Carlos    28
4   Carmen    26

Conclusiones

Para ordenar textos en Python con acentos de acuerdo con las reglas de español no se pueden usar las funciones por defecto. Estas ordenan los textos en base a las reglas del inglés, por lo que las palabras acentuadas aparecerán al final en lugar de su posición correcta. La solución al problema es sencilla: importar el paquete pyuca y usar las clases que provee para indicar a los métodos de Python como se debe ordenar correctamente los textos.

Imagen de Lucas L en Pixabay