python 区切り文字がない場合で、特定の文字列とそうでない文字列を分割

Question

pythonのデータフレームです。
以下のような文字列が格納されているとして、新しい行を作成かつ文字列を分割したいです。
splitを駆使してできないかと考えましたが、区切り文字がないので無理でした。
文字数のカウントでやろうと思いましたが、文字数に規則性がなく断念しました。
ノーアイデアすぎて途方に暮れております。
何卒、よろしくお願いいたします。

c1
ごはんパン
パンごはん
めんパン
めんごはん
ごはんめん

↓↓↓こうしたい

c1	c2	c3
ごはんパン	ごはん	パン
パンごはん	パン	ごはん
めんパン	めん	パン
めんごはん	めん	ごはん
ごはんめん	ごはん	めん

Comments

[takasima20]

個々のワードは決まってるの? あと、そのワード以外に含まれる文字はあるの?

Answer 1

※ かなりテキトーな回答

import pandas as pd
from itertools import combinations
from difflib import SequenceMatcher

pd.set_option('display.unicode.east_asian_width', True)

df = pd.DataFrame({
  'c1': ['ごはんパン', 'パンごはん', 'めんパン', 'めんごはん', 'ごはんめん']
})

common = []
for s1, s2 in combinations(df['c1'], 2):
  m = SequenceMatcher(None, s1, s2).find_longest_match()
  if m.size > 0:
    common.append(s1[m.a:m.a+m.size])

common = {*common}
common = [i for i in common if all(c not in i for c in common if i != c)]

dfx = (
  df['c1'].str.extractall(f'({"|".join(common)})')
          .unstack().droplevel(0, axis=1)
          .rename_axis(columns=None))
dfx.columns = ['c2', 'c3']
dfx = pd.concat([df, dfx], axis=1)

print(dfx.to_markdown(index=False))

c1	c2	c3
ごはんパン	ごはん	パン
パンごはん	パン	ごはん
めんパン	めん	パン
めんごはん	めん	ごはん
ごはんめん	ごはん	めん

Answer 2

ごはん、パン、めん、などの単語のテーブルを作っておいて、それで分離するという手ですね
その単語自体が決まっていないなら、不可能ってことになろうかと