优化Pandas中含距离/方向对的字符串列拆分逻辑

问题背景 #

我已经实现了Pandas DataFrame中Distance列的拆分方案，但步骤繁琐、效率低下，现寻求优化方法。

列特征 #

Distance列非None值为逗号分隔的字符串，每个元素包含可带小数的距离，部分附带方位标识（可选值：N、E、S、W、NE、NW、SE、SW）。

拆分需求 #

需将该列拆分为三列：

• 最大距离列（float类型，用于后续数值计算）
• 最大距离对应的方位标识列（若存在）
• 剩余距离/方位对组成的字符串列表列

期望输出示例 #

Distance Direction Additional_Values
0       NaN      None              None
1       NaN      None              None
2     13.00      None              None
3       NaN      None              None
4     38.12      None              None
5      5.00        NW              None
6      8.30         E         [1N, 3SW]
7       NaN      None              None
8      7.00      None               [2]

补充说明 #

因兼容性限制只能使用单表，列需为单一数据类型，允许存储不同长度的同类型元素列表；若最大值重复出现，保留其一，其余归入剩余列。

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