如何从具有特定模式的文本文件创建 Pandas DataFrame？

从具有特定模式的文本文件创建 Pandas DataFrame

您需要从具有以下结构的文本文件构造 Pandas DataFrame :

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]

带“[edit]”的行表示状态，而带“[edit]”的行表示“[数字]”表示区域。任务是根据这些模式分割文件，并为每个区域名称重复州名称。

解决方案：

1. 使用 Pandas 读取文本文件' read_csv 函数，由于没有分隔符，将列名称指定为“地区名称”。
2. 使用以下命令创建名为“State”的新列字符串提取，从带有“[edit]”的行中捕获州名称并向前填充值。
3. 替换从左括号“(”到“地区名称”中字符串末尾的所有字符列。
4. 基于使用 String 创建的掩码，使用布尔索引过滤掉包含“[edit]”的行包含。

此过程将产生所需的带有“州”和“区域名称”的 Pandas DataFrame

示例：

<code class="python">import pandas as pd

df = pd.read_csv("filename.txt", sep=";", names=['Region Name'])
df.insert(0, 'State', df['Region Name'].str.extract('(.*)\[edit\]', expand=False).ffill())
df['Region Name'] = df['Region Name'].str.replace(r' \(.+$', '')
df = df[~df['Region Name'].str.contains('\[edit\]')].reset_index(drop=True)

print(df)</code>

输出：

      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

以上是如何从具有特定模式的文本文件创建 Pandas DataFrame？的详细内容。更多信息请关注PHP中文网其他相关文章！