使用 Python 中不同长度的第二个列表对第一个列表的值进行排序

Question

我有一个数据，其中有一列包含一些词。我通过单词列表提取了一些单词，例如 ingredients_list=['water','milk', 'yeast', 'banana', 'sugar', 'ananas']。这是具有正确单词顺序的列表，每个单词都应按此顺序排序。当我提取单词时，我创建了一系列提取的单词，但该系列中的某些行包含两个单词或没有单词。例如（一个系列的实际长度是25000）：

index	ingredients
0	sugar
1	yeast
2
3	ananas milk
4	sugar water
5	milk

我想要的是按照 ingredients_list 的顺序对那些包含两个单词的行进行排序，例如在索引 3 和 4 中。例如：

index	ingredients
0	sugar
1	yeast
2
3	milk ananas
4	water sugar
5	milk

首先，我所做的是将空行替换为“未知”。然后我尝试了一些代码：

ingredients_list=['water','milk', 'yeast', 'banana', 'sugar', 'ananas']
path = '|'.join(r"\b{}\b".format(x) for x in ingredients_list)
ing_l = df['ingredients'].str.findall(pat, flags=re.I).str.join(' ')
ing_l= ing_l.replace("","Unknown")

then to sort them accordingly to ingredients_list:

def sort_list(list1, list2):
    zipped_pairs = zip(list2, list1)
    z = [x for _, x in sorted(zipped_pairs)] 
    return z

words = sort_list(ing_l, ingredients_list)

OR

d = {v:i for i, v in enumerate(ing_l)}
r = sorted(ingredients_list, key=lambda v: d[v])

但我得到的是一个长度为 6 的列表，长度为 ingredients_list。然后我试试：

ing_l= pd.DataFrame(ing_l)
ing_l['sort'] = [word for x in ingredients_list for word in ing_l if word == x]

但我有一些错误 ValueError: Length of values (0) does not match length of index (25000) 你有办法解决这个问题吗？非常感谢

Answer 1

您可以 apply sorted 在拆分字符串上使用自定义字典，然后再次 join：

ingredients_list=['water','milk', 'yeast', 'banana', 'sugar', 'ananas']

order = {k:v for v,k in enumerate(ingredients_list)}

df['sorted_ingredients'] = (
  df['ingredients']
  .str.split()
  .apply(lambda x: ' '.join(sorted(x, key=order.get)) if isinstance(x, list) else x)
 )

输出：

   index   ingredients sorted_ingredients
0       0        sugar              sugar
1       1        yeast              yeast
2       2          NaN                NaN
3       3  ananas milk        milk ananas
4       4  sugar water        water sugar
5       5         milk               milk

使用 Python 中不同长度的第二个列表对第一个列表的值进行排序

Sort the values of first list using second list with different length in Python

python

text-extraction

string-length

pandas