我有一个这样的行的文件:

blablabla (CODE1513A15), 9.20, 9.70, 0

我希望 Pandas 读取每一列,但从第一列我只对括号之间的数据感兴趣,我想将其提取到其他列中。因此,我尝试使用 Pandas 转换器:
import pandas as pd
from datetime import datetime
import string

code = 'CODE'
code_parser = lambda x: {
    'date': datetime(int(x.split('(', 1)[1].split(')')[0][len(code):len(code)+2]), string.uppercase.index(x.split('(', 1)[1].split(')')[0][len(code)+4:len(code)+5])+1, int(x.split('(', 1)[1].split(')')[0][len(code)+2:len(code)+4])),
    'value': float(x.split('(', 1)[1].split(')')[0].split('-')[0][len(code)+5:])
}
column_names = ['first_column', 'second_column', 'third_column', 'fourth_column']
pd.read_csv('myfile.csv', usecols=[0,1,2,3], names=column_names, converters={'first_column': code_parser})

使用此代码,我可以将括号之间的文本转换为包含日期时间对象和值的字典。

如果代码是示例中的 CODE1513A15,它将通过以下方式构建:
  • 已知代码(在本例中为“CODE”)
  • 年份的两位数
  • 两位数表示月份中的第几天
  • 从 A 到 L 的字母,即月份(A 代表一月,B 代表二月,...)
  • 浮点值

  • 我测试了 lambda 函数,它正确地提取了我想要的信息,它的输出是一个 dict {'date': datetime(15, 1, 13), 'value': 15} 。尽管如此,如果我打印 pd.read_csv 方法的结果,'first_column' 是一个 dict,而我希望它被两个名为 'date' 和 'value' 的列替换:
                             first_column  second_column  third_column  fourth_column
    0   {u'date':13-01-2015, u'value':15}           9.20          9.70              0
    1   {u'date':14-01-2015, u'value':16}           9.30          9.80              0
    2   {u'date':15-01-2015, u'value':12}           9.40          9.90              0
    

    我想得到的是:
                   date  value  second_column  third_column  fourth_column
    0        13-01-2015     15           9.20          9.70              0
    1        14-01-2015     16           9.30          9.80              0
    2        15-01-2015     12           9.40          9.90              0
    

    注意:我不在乎日期的格式,这只是我期望得到的表示。

    任何想法?

    最佳答案

    我觉得还是一步一步来做比较好。

    # read data into a data frame
    column_names = ['first_column', 'second_column', 'third_column', 'fourth_column']
    df = pd.read_csv(data, names=column_names)
    
    # extract values using regular expression which is much more robust
    # than string spliting
    tmp = df.first_column.str.extract('CODE(\d{2})(\d{2})([A-L]{1})(\d+)')
    tmp.columns = ['year', 'day', 'month', 'value']
    tmp['month'] = tmp['month'].apply(lambda m: str(ord(m) - 64))
    

    示例输出:
    print tmp
      year day month value
    0   15  13     1    15
    

    然后将您的原始数据框转换为您想要的格式
    df['date'] = (tmp['year'] + tmp['day'] + tmp['month']).apply(lambda d: strptime(d, '%y%d%m'))
    df['value'] = tmp['value']
    del df['first_column']
    

    关于python - 如何使用 Pandas 转换器将数据帧列拆分为多列,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/33343762/

    10-14 19:10
    查看更多