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

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'])

2. 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())

3. 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' \(.+$', '')

4. 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!