我正在尝试在 Pandas 中读取一些Excel文件。在某些文件中,关注表的格式不完美,即多行被格式化为单行,但每一行都有多行。因此,当您查看excel文件时,数据看起来很好。同样,使用pandas解析时,每行此类的末尾确实会有换行符(\n)。
问题是,当我使用read_excel()函数读取它时,它会将其转换为DataFrame,该DataFrame不会将此换行符视为单独的行,而是将其放入一行并带有\n的行。我想编写一个代码,将N行这样的每行都转换为N行(使用换行符作为新行的指示符)。
有没有办法在解析文件时或在Python中对数据帧进行后处理?
在这里,我提供了我的虚拟excel文件的非常简化的版本以及一些解释该问题的代码。
样本Excel文件:
Name | Price
-------------------------------
Coca Cola | 46.66
-------------------------------
Google | 1204.44
Facebook | 177.58
-------------------------------
Berkshire Hathaway | 306513.75
我只是在Python中使用Pandas的read_excel:
dataframe_parsed = pandas.read_excel(file_name)
print(dataframe_parsed.head())
我得到以下DataFrame作为输出:
Name Price
0 Coca Cola 46.66
1 Google\nFacebook 1204.44\n177.58
2 Berkshire Hathaway 306513.75
所需的输出是:
Name Price
0 Coca Cola 46.66
1 Google 1204.44
2 Facebook 177.58
3 Berkshire Hathaway 306513.75
任何帮助将不胜感激。
最佳答案
在split
之后,您可以使用unnesting进行检查
yourdf=unnesting(df.apply(lambda x : x.str.split(r'\\n')),['Name','Price'])
yourdf
Out[50]:
Name Price
0 Coca Cola 46.66
1 Google 1204.44
1 Facebook 177.58
2 Berkshire Hathaway 306513.75
def unnesting(df, explode):
idx = df.index.repeat(df[explode[0]].str.len())
df1 = pd.concat([
pd.DataFrame({x: np.concatenate(df[x].values)}) for x in explode], axis=1)
df1.index = idx
return df1.join(df.drop(explode, 1), how='left')
由于您上面提到的行不通
df.apply(lambda x : x.str.split(r'\\n')).stack().apply(pd.Series).stack().unstack(level=1).reset_index(drop=True)
Out[57]:
Name Price
0 Coca Cola 46.66
1 Google 1204.44
2 Facebook 177.58
3 Berkshire Hathaway 306513.75