Question

我遇到了以下问题。我得到的数据格式对人眼来说很好，但对计算机而言却非常糟糕。例如，它具有表格格式，但没有分隔符，并且其标题是用文字包装的，这意味着如果它长于特定长度，则其余部分将写在新行上。

column 1        column 2 but          column 3
                with more text
1.5893001       1.513451              1.198420
1.5893001       1.513451              1.198420
1.5893001       1.513451              1.198420
1.5893001       1.513451              1.198420
etc...

我希望DataFrame中的列具有此标头具有的文本。我已经不得不通过手动将数据转换为字典来对数据进行预处理。

将此数据加载到DataFrame中之后，DataFrame的第一行是列标签，其中column2当然仅被部分读取。在第二行中，（第1列的）第一个值具有“”值，第二个值具有“具有更多文本”，而第三个值具有NaN。

我尝试过df.columns = df.iloc[0] + ' ' + df.iloc[1]，这导致第二列具有正确的标签，而其他列具有nan。

有没有条件表达式？

[编辑] @jezrael获取正确的格式

{0: {0: 'column 1', 1: '', 2: 1.5893001, 3: 1.5893001}
 1: {0: 'column 2', 1: 'with more text', 2: 1.513451, 3: 1.513451}
 2: {0: 'column 3', 1: None, 2: 1.198420, 3: 1.198420}}

Answer 1

您可以用Series.fillna替换misisng值，并用str.strip删除对等空格，然后用iloc删除前两行：

df.columns = (df.iloc[0] + ' ' + df.iloc[1].fillna('')).str.strip()
df = df.iloc[2:].reset_index(drop=True)
print (df)
  column 1 column 2 with more text column 3
0   1.5893                 1.51345  1.19842
1   1.5893                 1.51345  1.19842

将2行串联为1行，并将其设置为“列”

1 个答案: