Python解析浮点字符串并从Pandas DataFrame提取匹配列对应值

实现思路 #

1. 针对每个单元格的字符串，先按分号拆分得到多个四元组
2. 每个四元组按逗号拆分后，以第一个值为键、第三个值为值，存入字典
3. 把所有行生成的字典批量转为DataFrame，自动匹配键为列名，填充对应值

完整实现代码 #

import pandas as pd

# 原始数据构造，规避使用list作为变量名（Python内置关键字）
raw_data = [['10, 0.01, 0.0428, 120; 30, 0.1, 2, 33; 50, 0.023, 0.31, 0.65'],
            ['10, 0.7, 0.5428, 2.31'],
            ['50, 0.3, 0.35, 0.1'],
            ['-10, 0.2, 0.048, 124; -30, 0.11, 24, 3; -50, 0.02, 0.1, 0.60; 0, 0, 0, 0; 10, 0.1, 2, 33; 20, 0.023, 0.31, 0.66']]
df = pd.DataFrame(raw_data)

# 单元格解析函数
def parse_cell(content):
    res_map = {}
    for group in content.split(';'):
        group = group.strip()
        if not group:
            continue
        parts = [p.strip() for p in group.split(',')]
        if len(parts) == 4:
            res_map[parts[0]] = parts[2]
    return res_map

# 生成结果表
result_df = pd.json_normalize(df[0].apply(parse_cell))
# 可选：将值转为浮点类型
result_df = result_df.astype(float)
# 可选：按列名的数值大小排序列顺序，更符合阅读习惯
result_df = result_df.reindex(sorted(result_df.columns, key=lambda x: int(x)), axis=1)

运行后得到的result_df完全符合预期输出要求，无匹配值的位置自动填充为NaN。

内容的提问来源于stack exchange，提问作者newman