Wie erstellt man einen Pandas DataFrame aus einer Textdatei mit bestimmten Mustern, wobei Zustände durch „[edit]“ und Regionen durch „[number]“ angegeben werden?

Erstellen eines Pandas-Datenrahmens aus einer Textdatei mit bestimmten Mustern

Problemstellung:

Das Ziel besteht darin, einen Pandas DataFrame aus einer Textdatei zu erstellen, die die folgende Struktur hat:

Alabama[edit]
Auburn (Auburn University)[1]
Florence (University of North Alabama)
Jacksonville (Jacksonville State University)[2]
Livingston (University of West Alabama)[2]
Montevallo (University of Montevallo)[2]
Troy (Troy University)[2]
Tuscaloosa (University of Alabama, Stillman College, Shelton State)[3][4]
Tuskegee (Tuskegee University)[5]
Alaska[edit]
Fairbanks (University of Alaska Fairbanks)[2]
Arizona[edit]
Flagstaff (Northern Arizona University)[6]
Tempe (Arizona State University)
Tucson (University of Arizona)
Arkansas[edit]

Wobei Zeilen mit „[edit]“ Zustände und Zeilen mit „[number]“ Regionen angeben. Der DataFrame sollte die Daten basierend auf diesen Mustern aufteilen und den Statusnamen für jeden Regionsnamen wiederholen.

Lösung:

Um dies zu erreichen, können wir die folgenden Schritte ausführen :

1. Verwenden Sie Pandas, um die Textdatei als DataFrame zu lesen, verwenden Sie ein Semikolon als Trennzeichen und erstellen Sie eine Spalte mit dem Namen „Regionsname“:

df = pd.read_csv('filename.txt', sep=";", names=['Region Name'])

2. Fügen Sie eine neue Spalte mit dem Namen „State“ ein, indem Sie die String-Extraktionsmethode verwenden, um den Statusnamen aus Zeilen zu extrahieren, die „[edit]“ enthalten. Anschließend füllen wir die fehlenden Werte mit der Vorwärtsfüllung (ffill) aus:

df.insert(0, 'State', df['Region Name'].str.extract('(.*)\[edit\]', expand=False).ffill())

3. Ersetzen Sie den in Klammern eingeschlossenen Text durch eine leere Zeichenfolge in der Spalte „Regionsname“, um die Merkmale des Regionsnamens zu entfernen :

df['Region Name'] = df['Region Name'].str.replace(r' \(.+$', '')

4. Entfernen Sie Zeilen, die „[edit]“ enthalten, mithilfe der booleschen Indizierung und der Funktion str.contains. Der resultierende DataFrame enthält die gewünschten Daten:

df = df[~df['Region Name'].str.contains('\[edit\]')].reset_index(drop=True)
print (df)

Beispielausgabe:

Der Ausgabe-DataFrame sieht wie folgt aus:

      State   Region Name
0   Alabama        Auburn
1   Alabama      Florence
2   Alabama  Jacksonville
3   Alabama    Livingston
4   Alabama    Montevallo
5   Alabama          Troy
6   Alabama    Tuscaloosa
7   Alabama      Tuskegee
8    Alaska     Fairbanks
9   Arizona     Flagstaff
10  Arizona         Tempe
11  Arizona        Tucson

Das obige ist der detaillierte Inhalt vonWie erstellt man einen Pandas DataFrame aus einer Textdatei mit bestimmten Mustern, wobei Zustände durch „[edit]“ und Regionen durch „[number]“ angegeben werden?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!