如何使用Pandas对DataFrame每行多组O类关联字段按名称排序对齐

现有数据集固定包含Date、Product两列，其余为多组选项字段，每组选项对应Name、Price、Qty三个属性，按O1_*、O2_*、O3_*……规则命名。原始数据存在行内错位问题：同组的三个属性不会固定落在对应编号的O列下，部分高编号O列可能为空。
需要实现逐行对齐逻辑：以每行所有选项的Name字段为排序依据，排序后将同组的Price、Qty跟随对应Name同步移动，按名称排序后依次填入O1、O2、O3……对应列位，保证同选项三个字段归属一致。

原始数据样例 #

Date        Product  O1_Name  O1_Price  O1_Qty  O2_Name  O2_Price  O2_Qty
05-12-2021  MK       Widget1   0.99      23     Widget2    1.50      80
05-12-2021  MK       Widget2   1.50      85     Widget1    0.99      25
05-11-2021  MK       Widget1   0.99      28     Widget2    1.50      85
05-10-2021  MK       Widget1   0.99      31     Widget2    1.50      95
05-13-2021  PS       WidgetA   0.52      49     WidgetB    0.86      43
05-12-2021  PS       WidgetA   0.52      53     WidgetB    0.86      43
05-10-2021  PS       WidgetB   0.85      66     WidgetA    0.58      60
05-13-2021  AY       WidgetZ   0.15      87     
05-12-2021  AY       WidgetZ   0.15      88     

期望输出样例 #

Date    Product  O1_Name  O1_Price  O1_Qty  O2_Name  O2_Price  O2_Qty
05-12-2021  MK       Widget1   0.99      23     Widget2    1.50      80
05-12-2021  MK       Widget1   0.99      25     Widget2    1.50      85
05-11-2021  MK       Widget1   0.99      28     Widget2    1.50      85
05-10-2021  MK       Widget1   0.99      31     Widget2    1.50      95
05-13-2021  PS       WidgetA   0.52      49     WidgetB    0.86      43
05-12-2021  PS       WidgetA   0.52      53     WidgetB    0.86      43
05-10-2021  PS       WidgetA   0.58      60     WidgetB    0.85      66
05-13-2021  AY       WidgetZ   0.15      87     
05-12-2021  AY       WidgetZ   0.15      88   

操作参考示意图：

核心思路是先拆分固定列和选项列，逐行将零散的选项字段重组为（Name, Price, Qty）的元组列表，过滤空值后按Name排序，再展开回原列结构即可，自动兼容O3、O4等任意数量的选项列。

完整可运行代码 #

import pandas as pd
import numpy as np

# 此处替换为你自己的数据读取逻辑，比如pd.read_excel、pd.read_csv
raw_data = [
    ["05-12-2021", "MK", "Widget1", 0.99, 23, "Widget2", 1.50, 80],
    ["05-12-2021", "MK", "Widget2", 1.50, 85, "Widget1", 0.99, 25],
    ["05-11-2021", "MK", "Widget1", 0.99, 28, "Widget2", 1.50, 85],
    ["05-10-2021", "MK", "Widget1", 0.99, 31, "Widget2", 1.50, 95],
    ["05-13-2021", "PS", "WidgetA", 0.52, 49, "WidgetB", 0.86, 43],
    ["05-12-2021", "PS", "WidgetA", 0.52, 53, "WidgetB", 0.86, 43],
    ["05-10-2021", "PS", "WidgetB", 0.85, 66, "WidgetA", 0.58, 60],
    ["05-13-2021", "AY", "WidgetZ", 0.15, 87, np.nan, np.nan, np.nan],
    ["05-12-2021", "AY", "WidgetZ", 0.15, 88, np.nan, np.nan, np.nan],
]
columns = ["Date", "Product", "O1_Name", "O1_Price", "O1_Qty", "O2_Name", "O2_Price", "O2_Qty"]
df = pd.DataFrame(raw_data, columns=columns)

# 拆分固定列和选项列
fixed_cols = ["Date", "Product"]
opt_cols = [c for c in df.columns if c not in fixed_cols]
# 自动识别所有O开头的选项编号，兼容O3/O4等任意数量选项
opt_nums = sorted(list(set([c.split("_")[0] for c in opt_cols])), key=lambda x: int(x[1:]))
fixed_df = df[fixed_cols].copy()
opt_df = df[opt_cols].copy()

# 逐行对齐选项
def align_row_opts(row):
    # 组装（Name, Price, Qty）元组，跳过Name为空的无效选项
    opt_tuples = []
    for o_num in opt_nums:
        name = row[f"{o_num}_Name"]
        if pd.isna(name) or str(name).strip() == "":
            continue
        price = row[f"{o_num}_Price"]
        qty = row[f"{o_num}_Qty"]
        opt_tuples.append((name, price, qty))
    # 按Name字段排序
    opt_tuples.sort(key=lambda x: x[0])
    # 补全空位，匹配原列长度
    while len(opt_tuples) < len(opt_nums):
        opt_tuples.append((np.nan, np.nan, np.nan))
    # 展开为一维数组，对应原列顺序
    res = []
    for i, o_num in enumerate(opt_nums):
        res.extend([opt_tuples[i][0], opt_tuples[i][1], opt_tuples[i][2]])
    return res

# 应用处理逻辑，拼接回最终结果
aligned_opt = opt_df.apply(align_row_opts, axis=1, result_type="expand")
aligned_opt.columns = opt_cols
result = pd.concat([fixed_df, aligned_opt], axis=1)

print(result)

方案说明 #

• 无需手动指定选项数量，代码自动识别所有O*_Name/Price/Qty格式的列，支持任意多组选项场景
• 自动跳过Name为空的无效选项，排序后空值自动填充到序号靠后的O列，不会打乱有效选项顺序
• 处理过程中始终将Price、Qty和对应Name绑定移动，不会出现字段归属错配
• 代码运行后输出结果和给出的期望样例完全一致

内容的提问来源于stack exchange，提问作者SG Fresh Idea