如何从具有特定模式的文本文件创建 Pandas DataFrame，其中状态由'[edit]\”表示，区域由'[number]\”表示？

从具有特定模式的文本文件创建 Pandas DataFrame

问题陈述：

目标是从具有以下结构的文本文件创建 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]
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]

其中带有“[edit]”的行表示州，带有“[number]”的行表示区域。 DataFrame 应根据这些模式分割数据，并为每个区域名称重复州名称。

解决方案：

要实现这一点，我们可以按照以下步骤操作:

1. 使用 pandas 将文本文件读取为 DataFrame，使用分号作为分隔符并创建名为“区域名称”的列：

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

2. 使用字符串提取方法插入名为“State”的新列，从包含“[edit]”的行中提取州名称。然后，我们使用前向填充 (ffill) 来填充缺失值：

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

3. 将“区域名称”列中括号中的任何文本替换为空字符串，以删除区域名称特征:

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

4. 使用布尔索引和 str.contains 函数删除包含“[edit]”的行。生成的 DataFrame 包含所需的数据：

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

示例输出：

输出 DataFrame 将如下所示：

      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

以上是如何从具有特定模式的文本文件创建 Pandas DataFrame，其中状态由'[edit]\”表示，区域由'[number]\”表示？的详细内容。更多信息请关注PHP中文网其他相关文章！