python - 如何在 Pandas 数据框中重新排序字符串并插入新字符串

Question

我有一个如下所示的数据框。 Output的数据类型是字符串。

ID  Output
1   ab 1, bc 2, ac 5, at 0, abc 0 
2   ab 0, ac 5, at 0
3   ac 5, bc 0, atn 0

如您所见，在第 2 行中，bc在整体顺序保持不变的情况下被跳过。但是，在 row3 中，顺序不同。如何首先插入缺失的类别，然后重新排序数据框中的字符串？换句话说，我怎样才能得到一个看起来像这样的中间数据框:

ID  Output
1   ab 1, bc 2, ac 5,  at 0,  abc 0, atn  
2   ab 0, bc,   ac 5,  at 0, abc,   atn
3   ab,   bc 0, ac 5,  at,   abc,   atn 0

所以最终我可以执行以下操作:

x = df['Output'].str.split(",",expand=True,)
x.columns = x.iloc[0, :].str.extract(r"^(.*)\s+")[0]
x = x.apply(lambda x: x.str.replace(r"^(.*\s+)", ""))
df=pd.concat([df, x], axis=1)

要达到这个理想的数据框:

ID  ab    bc   ac   at    abc    atn
1   1     2    5    0     0      None
2   0     None 5    0     None   None
3   None  0    5    None  None    0

Answer 1

我们可以跳过创建中间数据帧的部分，直接创建结果数据帧。在这里，我们可以使用 str.findall找到 token 对，例如(ab, 1), (bc, 2)等，可用于创建与每一行对应的记录，其中每条记录都包含列名作为键和对应的值，然后我们可以轻松地从这些记录中创建结果数据帧。

pd.DataFrame([*df['Output'].str.findall(r'(\S+)\s(\d+)').map(dict)], dtype=float)

    ab   bc   ac   at  abc  atn
0  1.0  2.0  5.0  0.0  0.0  NaN
1  0.0  NaN  5.0  0.0  NaN  NaN
2  NaN  0.0  5.0  NaN  NaN  0.0