Odbuduj pandy Dataframe za pomocą instrukcji if

Question

Jak już zadawano w innym pytaniu z tytułem „Odbuduj pandy Dataframe”, wciąż mam kilka pytań dotyczących tworzenia jeszcze większej liczby kolumn.

Sytuacja: Mam ramkę danych z 4 kolumnami, wartości wewnątrz kolumn są dość losowe. Tak jak ten przykład:

df = pd.DataFrame({'col1': ['id 1', 'id 2', 'test 3', 'test 4'],
           'col2': ['test 1', 'test 2',
                    'ne 5261', 'id 4'],
           'col3': ['Number 12344', 'Number 21612','id 3','Number 1131'],
           'col4':['ne 315','Number 1264777','ne 1415','ne 52']})

Moim celem jest posiadanie ramki danych, w której każda kolumna ma tylko wartości zaczynające się od tego samego podłańcucha, jak w tym przykładzie:

To, co już zadziałało dla 3 kolumn, to następujący kod (od kredytów z ostatniego pytania do: @AndrejKesely):

def key_fn(x):
if 'id' in x:
    return 0
if 'test' in x:
    return 1
if 'Number' in x:
    return 2
return 3
df = pd.DataFrame([sorted(l, key=key_fn) for l in df.values], columns=df.columns)

drukuj (df)

Ponieważ mam teraz 4 kolumny, dodałem kolejną instrukcję if do funkcji, wyglądającą następująco:

def key_fn(x):
if 'id' in x:
    return 0
if 'test' in x:
    return 1
if 'Number' in x:
    return 2
if 'ne' in x:
    return 3
return 4
df = pd.DataFrame([sorted(l, key=key_fn) for l in df.values], columns=df.columns)

To daje mi następujący wynik:

To jest mały przykład, kiedy rozumiem, jak to działa, muszę zastosować go do łącznie 17 kolumn. Z góry dziękuję za Twoją pomoc!

Answer 1

df = pd.DataFrame({'col1': ['id 1', 'id 2', 'test 3', 'test 4'],
           'col2': ['test 1', 'test 2',
                    'ne 5261', 'id 4'],
           'col3': ['Number 12344', 'Number 21612','id 3','Number 1131'],
           'col4':['ne 315','Number 1264777','ne 1415','ne 52']})

def key_fn(x):
    if 'id' in x:
        return 0
    if 'test' in x:
        return 1
    if 'Number' in x:
        return 2
    if 'ne' in x:
        return 3
    return 4

out_df = pd.DataFrame(np.array(sorted(np.ravel(df.values), key=key_fn)).reshape(df.shape), columns=df.columns).T
print(out_df)

Wydruki:

   col1    col2            col3     col4
0  id 1  test 1    Number 12344   ne 315
1  id 2  test 2    Number 21612  ne 5261
2  id 3  test 3  Number 1264777  ne 1415
3  id 4  test 4     Number 1131    ne 52