基于提取的z值对DataFrame行内Column_2及以后列排序

我有如下DataFrame：

每个单元格的字符串格式为'x y z SomeText'，需要固定Column_1保持不变，对每行的Column_2及后续列，根据字符串中的z值（第三个数字）重新排序，目标输出如下：

注：排序依据为z值降序，同时忽略NaN值。

用Python的pandas库可以实现需求，具体代码如下：

import pandas as pd

# 构造原始DataFrame
data = {
    'Column_1': ["'0 0 1 apple'", "'2 8 0 grape'", "'3 8 4 lemon'", "'3 7 6 orange'", "'5 2 7 cherry'"],
    'Column_2': ["'0 0 2 banana'", "'3 7 5 apple'", "'5 0 7 grape'", "'0 1 8 lemon'", "'2 9 7 pear'"],
    'Column_3': ["'7 5 6 orange'", "'7 4 1 banana'", "'3 8 9 pineapple'", "'1 6 7 cherry'", "'NaN'"],
    'Column_4': ["'4 2 9 mango'", "'0 5 3 kiwi'", "'6 1 8 watermelon'", "'2 9 0 raspberry'", "'NaN'"]
}
df = pd.DataFrame(data)

def sort_row_by_z(row):
    # 提取Column_2及之后的列
    cols_to_sort = row[1:]
    # 过滤掉NaN值
    valid_cols = cols_to_sort[cols_to_sort != "'NaN'"]
    # 从字符串中提取z值作为排序键
    def get_z_value(s):
        parts = s.strip("'").split()
        return int(parts[2])
    # 按z值降序排序
    sorted_cols = sorted(valid_cols, key=get_z_value, reverse=True)
    # 补充缺失的NaN以保持列数一致
    sorted_cols += ["'NaN'"] * (len(cols_to_sort) - len(sorted_cols))
    # 拼接回Column_1和排序后的列
    return [row[0]] + sorted_cols

# 应用函数到每一行
sorted_df = df.apply(sort_row_by_z, axis=1, result_type='expand')
# 恢复原列名
sorted_df.columns = df.columns

# 输出结果
print(sorted_df)

代码说明 #

1. 构造DataFrame：将原始数据转换为pandas的DataFrame结构，方便后续处理。
2. 行处理函数：
   • 提取每行中Column_1之后的列数据；
   • 过滤掉标记为'NaN'的无效值；
   • 定义get_z_value函数，从单元格字符串中拆分出第三个数字作为排序依据；
   • 对有效列按z值降序排序，再补充缺失的'NaN'保证列数与原数据一致；
   • 将Column_1与排序后的列拼接，返回完整行数据。
3. 应用并整理结果：用apply方法将处理函数作用到每一行，最后恢复原列名得到最终结果。

内容的提问来源于stack exchange，提问作者corvusMidnight