特定のパターンを含むテキスト ファイルから Pandas DataFrame を作成するにはどうすればよいでしょうか。州は \'[edit]\' で示され、領域は \'[number]\' で示されますか?

特定のパターンを使用したテキスト ファイルからの Pandas DataFrame の作成

問題ステートメント:

目標は、次の構造を持つテキスト ファイルから Pandas DataFrame を作成することです:

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]

ここで、「[edit]」の付いた行は州を示し、「[number]」の付いた行は地域を示します。 DataFrame は、これらのパターンに基づいてデータを分割し、地域名ごとに州名を繰り返す必要があります。

解決策:

これを実現するには、次の手順に従うことができます。 :

1. パンダを使用してテキスト ファイルを DataFrame として読み取り、区切り文字としてセミコロンを使用し、「地域名」という名前の列を作成します:

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

2. 文字列抽出メソッドを使用して「State」という名前の新しい列を挿入し、「[edit]」を含む行から州名を抽出します。次に、前方埋め込み (ffill) を使用して欠損値を埋めます。

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

3. 「リージョン名」列の括弧で囲まれたテキストを空の文字列に置き換えて、リージョン名の特性を削除します。 :

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

4. ブール型インデックスと str.contains 関数を使用して、「[edit]」を含む行を削除します。結果の DataFrame には、目的のデータが含まれます:

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

出力例:

出力 DataFrame は次のようになります:

      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

以上が特定のパターンを含むテキスト ファイルから Pandas DataFrame を作成するにはどうすればよいでしょうか。州は \'[edit]\' で示され、領域は \'[number]\' で示されますか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。