`pandas`

Question

我正在使用iris.scale数据集进行分析。但是在处理过程中如何在读取数据文件后得到切片列值

df = pd.read_csv("../Data/iris.scale.csv", sep=' ', header=None, names=['class','S.lenght','S.width','P.lenght','P.width'])
print(df.head(3))

   class     S.lenght       S.width     P.lenght      P.width
     1        1:-0.555556    2:0.25      3:-0.864407     4:-0.916667
     1        1:-0.666667    2:-0.166667 3:-0.864407     4:-0.916667
     1        1:-0.833333    2:-0.08333  3:-0.830508     4:-0.916667

但是如何获得这些切片列，就像没有任何特征引用的那样，所以可以处理

class     S.lenght       S.width     P.lenght      P.width
     1        -0.555556    0.25       -0.864407     -0.916667
     1        -0.666667   -0.166667   -0.864407     -0.916667
     1        -0.833333   -0.08333    -0.830508     -0.916667

Answer 1

您可以使用set_index创建DataFrame，其中:的值仅由split提取，最后一次输出为float：

df=df.set_index('class').apply(lambda x: x.str.split(':').str[1]).astype(float).reset_index()
print (df)
   class  S.lenght   S.width  P.lenght   P.width
0      1 -0.555556  0.250000 -0.864407 -0.916667
1      1 -0.666667 -0.166667 -0.864407 -0.916667
2      1 -0.833333 -0.083330 -0.830508 -0.916667

str.extract的另一个解决方案：

df = df.set_index('class').apply(lambda x: x.str.extract(':(.*)', expand=False)).astype(float).reset_index()
print (df)
   class  S.lenght   S.width  P.lenght   P.width
0      1 -0.555556  0.250000 -0.864407 -0.916667
1      1 -0.666667 -0.166667 -0.864407 -0.916667
2      1 -0.833333 -0.083330 -0.830508 -0.916667

Answer 2

`pandas`

filter专注于正确的列
stack + str.split + unstack
update

代码

df.update(
    df.filter(regex='S|P').stack().str.split(':').str[1].astype(float).unstack())
df

   class  S.lenght   S.width  P.lenght   P.width
0      1 -0.555556      0.25 -0.864407 -0.916667
1      1 -0.666667 -0.166667 -0.864407 -0.916667
2      1 -0.833333  -0.08333 -0.830508 -0.916667

`numpy`

split整个数组
构建新数组
切片并指定

代码

s = np.core.defchararray.split(df.values[:, 1:].astype(str), ':').tolist()
df.iloc[:, 1:] = np.array(s)[:, :, 1].astype(float)

   class  S.lenght   S.width  P.lenght   P.width
0      1 -0.555556      0.25 -0.864407 -0.916667
1      1 -0.666667 -0.166667 -0.864407 -0.916667
2      1 -0.833333  -0.08333 -0.830508 -0.916667

Answer 3

在将数据输送到Pandas之前预先处理数据以去除多余的数据

import re, io
with open("../Data/iris.scale.csv") as f:
    data = f.read()

p = r'[1-4]:'
data = re.sub(p, '', data)

然后，您可以将数据写入新文件，然后将其提供给Pandas，或者将其放入类似文件的对象中，然后将其提供给Pandas。

#Python 2.7
data = io.BytesIO(data)
#Python 3x
#data = io.StringIO(data)
df = pd.read_csv(data, delim_whitespace = True, index_col = False, names=['class','S.lenght','S.width','P.lenght','P.width'])

获取切片列值

3 个答案:

`pandas`

`numpy`