如何從具有特定模式的文字檔案建立 Pandas DataFrame，其中狀態由「[edit]\」表示，區域由「[number]\」表示？

從具有特定模式的文本文件中建立Pandas DataFrame

問題陳述：

其中帶有「[edit]」的行表示州，並帶有「[number]」的行表示區域。 DataFrame 應根據這些模式分割數據，並為每個區域名稱重複州名稱。

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]

解決方案：

要實現這一點，我們可以按照以下步驟操作:

使用pandas 將文字檔案讀取為DataFrame，使用分號作為分隔符號並建立名為「區域名稱」的列：

使用字串提取方法插入名為「State」的新列，從包含“[edit]”的行中提取州名稱。然後，我們使用前向填充(ffill) 來填充缺失值：

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

將「區域名稱」列中括號中的任何文字替換為空字串，以刪除區域名稱特徵:

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

使用布林索引和str.contains 函數刪除包含「[edit]」的行。產生的 DataFrame 包含所需的資料：

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

範例輸出：

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

輸出 DataFrame 將如下所示：

輸出 DataFrame 將如下所示：

      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

輸出 DataFrame 將如下所示：

以上是如何從具有特定模式的文字檔案建立 Pandas DataFrame，其中狀態由「[edit]\」表示，區域由「[number]\」表示？的詳細內容。更多資訊請關注PHP中文網其他相關文章！