一种使用方法是natsorted和iloc：

#pip install natsort
from natsort import natsorted
​
out = df.iloc[natsorted(range(len(df)), key=lambda x: df.loc[x, "a"])]

或者更短，如@Stef所建议的，使用natsort_key作为sort_values的键：

from natsort import natsort_key

out = df.sort_values(by="a", key=natsort_key, ignore_index=True)

输出：

print(out)
             a  b
0    abc_1.2.6  1
1    abc_1.2.7  3
2    abc_1.2.9  4
3   abc_1.2.60  2
4    abc_1.3.0  5
5   abc_1.3.10  6
6   abc_1.3.11  8
7  abc_1.3.100  7

您可以在排序之前对值应用key函数：

df = (df.sort_values(by=['a'], ignore_index=True,
                     key=lambda x: x.map(lambda v:
                                         tuple(map(int, v[4:].split('.'))))))

a  b
0    abc_1.2.6  1
1    abc_1.2.7  3
2    abc_1.2.9  4
3   abc_1.2.60  2
4    abc_1.3.0  5
5   abc_1.3.10  6
6   abc_1.3.11  8
7  abc_1.3.100  7

下面是使用str.findall()和explode()的另一种方法

df.sort_values('a',key = lambda x: x.str.findall(r'\d+').explode().astype(int).groupby(level=0).agg(tuple))

输出：

a  b
0    abc_1.2.6  1
2    abc_1.2.7  3
3    abc_1.2.9  4
1   abc_1.2.60  2
4    abc_1.3.0  5
5   abc_1.3.10  6
7   abc_1.3.11  8
6  abc_1.3.100  7