如何从仅含单个杂乱列的DataFrame中提取fruit_name和fruit_colour

核心思路是通过分组关联顺序出现的水果名称和颜色属性，自动跳过无关内容，缺失值默认补NaN，最简实现如下：

import pandas as pd
import numpy as np

# 给每个水果分配唯一分组号，每遇到一次fruit_name分组号+1
df['group'] = (df['col'] == 'fruit_name').cumsum()

# 关联提取对应名称和颜色
fruit_df = pd.DataFrame({
    'fruit_name': df.loc[df['col'].shift() == 'fruit_name', 'col'].values,
    'fruit_colour': df.loc[df['col'].shift() == 'fruit_colour', ['group', 'col']]
                     .drop_duplicates('group', keep='first')
                     .set_index('group')
                     .reindex(range(1, df['group'].max()+1))['col'].values
}).reset_index(drop=True)

如果追求更短的代码，还可以通过向量化操作进一步简化：

s = df['col']
res = pd.DataFrame({
    'fruit_name': s[s.shift() == 'fruit_name'].tolist(),
    'fruit_colour': s.groupby((s == 'fruit_name').cumsum()).apply(
        lambda x: x[x.shift() == 'fruit_colour'].iloc[0] if any(x.shift() == 'fruit_colour') else np.nan
    ).tolist()
})

两种实现都可以输出要求的结果：

内容的提问来源于stack exchange，提问作者asd