如何从具有包含州和地区模式的特定结构的文本文件创建 Pandas DataFrame？

从具有状态和区域模式的文本文件中读取和调整 Pandas DataFrame

从具有特定结构的文本文件创建 Pandas DataFrame 需要策略性的数据操作。让我们深入研究这个问题并探索一种解决方案，将提供的文本转换为所需的 DataFrame。

数据结构

文本文件遵循分层结构，其中：

• 带有“[edit]”的行是州名称。
• 带有“[number]”的行是地区名称。
• 同一州的地区名称应该重复。

解决方案

1.读取文本文件

首先，读取文本文件并使用 read_csv() 创建一个 DataFrame。由于没有特定的分隔符，请指定数据中不存在的自定义分隔符，例如分号：

<code class="python">df = pd.read_csv('filename.txt', sep=";", names=['Region Name'])</code>

2。提取州名称

使用 str.extract() 方法和正则表达式识别包含州名称的行，以捕获最多“[edit]”的州名称。使用以下值创建一个名为“State”的新列：

<code class="python">df.insert(0, 'State', df['Region Name'].str.extract('(.*)\[edit\]', expand=False).ffill())</code>

3。从区域名称中删除括号信息

从“区域名称”列中删除括号及其中包含的任何字符：

<code class="python">df['Region Name'] = df['Region Name'].str.replace(r' \(.+$', '')</code>

4.删除州标题行

删除“区域名称”列中出现“[edit]”的行。使用 str.contains() 创建掩码：

<code class="python">df = df[~df['Region Name'].str.contains('\[edit\]')].reset_index(drop=True)</code>

5。最终 DataFrame

此时，您已根据需要获得了包含“州”和“地区名称”列的 DataFrame。

<code class="python">print(df)</code>

扩展解决方案

如果您更喜欢在“区域名称”列中包含括号内的文本，这里是修改后的解决方案：

<code class="python">df.insert(0, 'State', df['Region Name'].str.extract('(.*)\[edit\]', expand=False).ffill())
df = df[~df['Region Name'].str.contains('\[edit\]')].reset_index(drop=True)

print(df)</code>

这将生成一个包含“州”和“区域名称”列的 DataFrame，其中区域名称包括括号内的文本。

以上是如何从具有包含州和地区模式的特定结构的文本文件创建 Pandas DataFrame？的详细内容。更多信息请关注PHP中文网其他相关文章！