前言
本例中，有一列文本数据，每个文本与上一行文本用特定字符表示从属关系，需要我们解析出该行末级的上一级是什么。数据，为了方便观察空格用——代替
需求：
需求为解析出当前行所在的上级，如果已经是根级则它上级仍然是根级。
思路：
先将以上文本结构化，用分隔符号拆解，会生成一个一个层级为一列的数据表，然后对除了最后级外将空缺的上一级内容用上一级行该前方值填充。然后按行进行处理，剔除每行的缺失值，除了根级（剔除缺失值后长度为 1）外，取其右边第二个值，就是我们要的上级内容。
二、使用步骤
1.引入库
代码如下（示例）：
import pandas as pd
2.读入数据
代码如下（示例）：
'''
class_
A
——B1
——B2
————C1
——B3
————C2
————C3
'''
# 数据中，如第二三行，都属于 A，C1 属于 B2，我们用字母表示，但实际中是具体的不特定的字符。
df = pd.read_clipboard()
df.class_
#先将文拆开，形成一个表示层级的结构化表格：
(
df.class_.str.split('——', expand=True)
.replace({'': None})
)
#除了最后一列名进行前值填充：
(
df.class_.str.split('——', expand=True)
.replace({'': None})
.apply(lambda x: x if x.name == 2 else x.ffill()) # <--
)
#增加一个辅助列，用于显示剔除缺失值后的层级列表：
(
df.class_.str.split('——', expand=True)
.replace({'': None})
.apply(lambda x: x if x.name == 2 else x.ffill())
.assign(foo=lambda x: x.apply(lambda s: s.dropna().to_list(), axis=1))
)
#针对这个层级列表增加结果列，如果长度为 1 则为根级，否则取列表的倒数第二个，就是它的上级。
(
df.class_.str.split('——', expand=True) # 将选定列中的字符串按照"——"进行分割，并将结果扩展为多列
.replace({'': None})
.apply(lambda x: x if x.name == 2 else x.ffill()) # 对每一列应用一个函数，如果列的名称是2，则保持不变，否则使用前向填充（ffill）的方式填充缺失值
.assign(foo=lambda x: x.apply(lambda s: s.dropna().to_list(), axis=1)) # 该列的值是每一行中去除缺失值后的列表
.assign(res=lambda x: x.foo.apply(lambda s: s[-2] if len(s)>1 else None)) # 该列的值是"foo"列中列表的倒数第二个元素（如果列表长度大于1），否则为None
)
总结
以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。
