Rumah  >  Artikel  >  pembangunan bahagian belakang  >  Bagaimanakah anda mencipta Pandas DataFrame daripada fail teks dengan corak tertentu, dengan keadaan ditunjukkan oleh \"[edit]\" dan wilayah dengan \"[nombor]\"?

Bagaimanakah anda mencipta Pandas DataFrame daripada fail teks dengan corak tertentu, dengan keadaan ditunjukkan oleh \"[edit]\" dan wilayah dengan \"[nombor]\"?

Susan Sarandon
Susan Sarandonasal
2024-11-02 07:03:29157semak imbas

How do you create a Pandas DataFrame from a text file with specific patterns, where states are indicated by

Membuat Bingkai Data Pandas daripada Fail Teks dengan Corak Tertentu

Pernyataan Masalah:

Matlamatnya adalah untuk mencipta Pandas DataFrame daripada fail teks yang mempunyai perkara berikut struktur:

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]

Di mana baris dengan "[edit]" menunjukkan keadaan dan baris dengan "[nombor]" menunjukkan wilayah. DataFrame harus membahagikan data berdasarkan corak ini dan mengulangi nama negeri untuk setiap nama rantau.

Penyelesaian:

Untuk mencapai ini, kita boleh mengikuti langkah di bawah :

  1. Gunakan panda untuk membaca fail teks sebagai DataFrame, menggunakan koma bernoktah sebagai pemisah dan mencipta lajur bernama "Nama Wilayah":
df = pd.read_csv('filename.txt', sep=";", names=['Region Name'])
  1. Masukkan lajur baharu bernama "Negeri" menggunakan kaedah ekstrak rentetan untuk mengekstrak nama negeri daripada baris yang mengandungi "[edit]". Kami kemudian mengisi nilai yang hilang menggunakan isian hadapan (isi):
df.insert(0, 'State', df['Region Name'].str.extract('(.*)\[edit\]', expand=False).ffill())
  1. Ganti mana-mana teks yang disertakan dalam kurungan dengan rentetan kosong dalam lajur "Nama Wilayah" untuk mengalih keluar ciri Nama Wilayah :
df['Region Name'] = df['Region Name'].str.replace(r' \(.+$', '')
  1. Alih keluar baris yang mengandungi "[edit]" menggunakan boolean pengindeksan dan str.mengandungi fungsi. DataFrame yang terhasil mengandungi data yang dikehendaki:
df = df[~df['Region Name'].str.contains('\[edit\]')].reset_index(drop=True)
print (df)

Contoh Output:

DataFrame output akan kelihatan seperti berikut:

      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

Atas ialah kandungan terperinci Bagaimanakah anda mencipta Pandas DataFrame daripada fail teks dengan corak tertentu, dengan keadaan ditunjukkan oleh \"[edit]\" dan wilayah dengan \"[nombor]\"?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan:
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn