识别 Pandas 中正确的字符串顺序

Question

我有一个数据框，如下所示，显示每行中不同实体的关系。

孩子	家长	Ult_Parent	全家
A032	A001	A039	A001、A032、A039、A040、A041、A043、A043、A045、A046

在“Full_Family”列中，它显示整个家谱从小到大的正确层次结构，而不仅仅是该特定行中的实体。但要注意的是，并非“Full_Family”中的每个实体都会出现在“Child/Parent/Ult_Parent”中，因为“Full_Family”数据来自其他源。

这里我有2个问题需要解决：

1. Child/Parent/Ult_Parent顺序不正确，如何根据“Full_Family”列来识别正确的顺序？
2. 如果可能的话，我是否还可以在整个表而不是每一行中识别一个族的正确 Ult_Parent 。这个正确的 Ult_Parent 需要是出现在 Child/Parent/Ult_Parent 列中的实体。

以下是示例和理想结果：

孩子	家长	Ult_Parent	全家	正确_顺序	正确_Ult_Parent_per_Family
A032	A001	A039	A001、A032、A039、A040、A041、A043、A043、A045、A046	A001、A032、A039	A043
A001	A043	A039	A001、A032、A039、A040、A041、A043、A043、A045、A046	A001、A039、A043	A043

虽然 A046 是该族中的最终父级，但它没有出现在该数据帧的 Child/Parent/Ult_Parent 中，因此在这种情况下，每个族的正确最终父级是 A043。

感谢您的帮助。

Answer 1

IIUC，你可以使用这个方法：

df["Correct_Order"] = df.apply(
    lambda row: ", ".join(sorted([row["Parent"], row["Child"], row["Ult_Parent"]])),
    axis=1,
)

df["Correct_Ult_Parent_per_Family"] = df["Parent"].max()

  Child Parent Ult_Parent                                        Full_Family     Correct_Order Correct_Ult_Parent_per_Family
0  A032   A001       A039  A001, A032, A039, A040, A041, A043, A043, A045...  A001, A032, A039                          A043
1  A001   A043       A039  A001, A032, A039, A040, A041, A043, A043, A045...  A001, A039, A043                          A043