Buen día,
Utilizando el siguiente dataframe
según los datos que pusiste en tu pregunta (Archivo "sample2.csv")
total run PERCENTAGE C5 M1 M12 M15 R7A R10 MR7 R9
OBJ
0 0.59 0.40 100.00 0.000 0.401 0 0 0.00000 0 0 0
1 0.88 0.60 100.00 0.000 0.602 0 0 0.00000 0 0 0
2 0.52 0.51 100.00 0.000 0.511 0 0 0.00000 0 0 0
3 1.05 0.98 100.00 0.000 0.979 0 0 0.00000 0 0 0
4 0.58 0.66 0.088,0.12,99.0 0.001 0.656 0 0 0.00096 0 0 0
5 0.55 0.88 0.62,99.37 0.000 0.878 0 0 0.00556 0 0 0
6 1.04 0.86 0.46,99.53 0.000 0.851 0 0 0.00400 0 0 0
Lo primero que hay que hacer es separar la columna "PERCENTAGE" en las 3 columnas "Ptc1", "Ptc2" y "Ptc3" (Creo que hay un error de dedo, PERCENTAGE se abreviaría Pct, pero lo dejo tal como está en tu pregunta), para eso utilizamos pandas.Series.str.split
df[['Ptc1', 'Ptc2', 'Ptc3']] = df['PERCENTAGE'].str.split(',', expand=True).fillna(0)
Y quitamos la columna "PERCENTAGE"
df = df.drop(['PERCENTAGE'], axis=1)
Esto nos deja el siguiente dataframe
total run C5 M1 M12 M15 R7A R10 MR7 R9 Ptc1 Ptc2 Ptc3
OBJ
0 0.59 0.40 0.000 0.401 0 0 0.00000 0 0 0 100.00 0 0
1 0.88 0.60 0.000 0.602 0 0 0.00000 0 0 0 100.00 0 0
2 0.52 0.51 0.000 0.511 0 0 0.00000 0 0 0 100.00 0 0
3 1.05 0.98 0.000 0.979 0 0 0.00000 0 0 0 100.00 0 0
4 0.58 0.66 0.001 0.656 0 0 0.00096 0 0 0 0.088 0.12 99.0
5 0.55 0.88 0.000 0.878 0 0 0.00556 0 0 0 0.62 99.37 0
6 1.04 0.86 0.000 0.851 0 0 0.00400 0 0 0 0.46 99.53 0
Luego vamos a obtener de las columnas "C5" a "R9" los nombres de las columnas que tengan valores diferentes a 0
y vamos a crear 3 nuevas columnas "Zone1", "Zone2" y "Zone3" con los nombres de las columnas según aparezcan
df[['Zone1', 'Zone2', 'Zone3']] = df.loc[:,'C5':'R9'].ne(0).dot(df.columns[2:10]+',').str.rstrip(',').str.split(',', expand=True).fillna(0)
Esto crea las siguientes tres columnas (Escondí las demás porque el dataframe
tiene muchas columnas)
Zone1 Zone2 Zone3
OBJ
0 M1 0 0
1 M1 0 0
2 M1 0 0
3 M1 0 0
4 C5 M1 R7A
5 M1 R7A 0
6 M1 R7A 0
Luego vamos a utilizar pandas.DataFrame.apply
para obtener los valores de las diferentes columnas correspondientes según lo soliciten las columnas "Zone".
df['Area1'] = df.apply(lambda x: x.loc[x['Zone1']] if x['Zone1'] != 0 else 0, axis=1)
df['Area2'] = df.apply(lambda x: x.loc[x['Zone2']] if x['Zone2'] != 0 else 0, axis=1)
df['Area3'] = df.apply(lambda x: x.loc[x['Zone3']] if x['Zone3'] != 0 else 0, axis=1)
Luego eliminamos las columnas que no necesitamos
df = df.drop(['C5', 'M1', 'M12', 'M15', 'R7A', 'R10', 'MR7', 'R9'], axis=1)
Y por último reordenamos las columnas
df = df[['total', 'run', 'Zone1', 'Area1', 'Ptc1', 'Zone2', 'Area2', 'Ptc2', 'Zone3', 'Area3', 'Ptc3']]
Ejemplo completo:
import pandas as pd
df = pd.read_csv('sample2.csv', index_col = 'OBJ', sep=';')
df[['Ptc1', 'Ptc2', 'Ptc3']] = df['PERCENTAGE'].str.split(',', expand=True).fillna(0)
df = df.drop(['PERCENTAGE'], axis=1)
df[['Zone1', 'Zone2', 'Zone3']] = df.loc[:,'C5':'R9'].ne(0).dot(df.columns[2:10]+',').str.rstrip(',').str.split(',', expand=True).fillna(0)
df['Area1'] = df.apply(lambda x: x.loc[x['Zone1']] if x['Zone1'] != 0 else 0, axis=1)
df['Area2'] = df.apply(lambda x: x.loc[x['Zone2']] if x['Zone2'] != 0 else 0, axis=1)
df['Area3'] = df.apply(lambda x: x.loc[x['Zone3']] if x['Zone3'] != 0 else 0, axis=1)
df = df.drop(['C5', 'M1', 'M12', 'M15', 'R7A', 'R10', 'MR7', 'R9'], axis=1)
df = df[['total', 'run', 'Zone1', 'Area1', 'Ptc1', 'Zone2', 'Area2', 'Ptc2', 'Zone3', 'Area3', 'Ptc3']]
Al imprimir df
obtenemos el siguiente dataframe
total run Zone1 Area1 Ptc1 Zone2 Area2 Ptc2 Zone3 Area3 Ptc3
OBJ
0 0.59 0.40 M1 0.401 100.00 0 0.00000 0 0 0.00000 0
1 0.88 0.60 M1 0.602 100.00 0 0.00000 0 0 0.00000 0
2 0.52 0.51 M1 0.511 100.00 0 0.00000 0 0 0.00000 0
3 1.05 0.98 M1 0.979 100.00 0 0.00000 0 0 0.00000 0
4 0.58 0.66 C5 0.001 0.088 M1 0.65600 0.12 R7A 0.00096 99.0
5 0.55 0.88 M1 0.878 0.62 R7A 0.00556 99.37 0 0.00000 0
6 1.04 0.86 M1 0.851 0.46 R7A 0.00400 99.53 0 0.00000 0
PERCENTAGE
es el número de columnas no vacías en esa fila ¿no?. Un saludo.percentage
tiene separados por comas tantos valores como elementos no-nulos aparezcan en las columnasC5
,M1
,M12
,M15
...R9
¿correcto? Preguntas: ¿pueden aparecer más de tres valores separados por comas? ¿hasta cuántos? ¿Hay más columnas en tu entrada de las que muestras en el ejemplo?