Question

我是Python的新手。我有一个CSV文件，其中的推文条目格式如下：

15，十月 11,785816454042124288，/ realDonaldTrump /状态/ 785816454042124288，FALSE＆＃34;尽管在山体滑坡（每次民意调查）中赢得第二次辩论，很难当Paul Ryan和其他人给予零支持时做得好！＆＃34;，DonaldTrump

和另一个

16，十月 10,785563318652178432，/ realDonaldTrump /状态/ 785563318652178432，FALSE＆＃34;哇， @CNN被抓到了他们的＃34;＆＃34;焦点小组＆＃34;＆＃34;为了使弯曲希拉里看起来更好。非常可怜而完全！不诚实＆＃34;，唐纳德·特朗普

在Python中，我使用像这样的Pandas加载内容：

data = pd.read_csv(arg, sep=',')

现在，我想清理CSV文件，只保存用户ID（每行第3个条目）和推文本身（我认为第6行）。如你所见，我使用sep =＆＃39;，＆＃39;分开。问题是如果一些推文包含逗号，我不希望由于分裂而删除此字符..如果仅推文号，日期，user_id等之间的分隔符将是除逗号之外的其他内容，这会容易得多。有关如何做到这一点的任何建议？我只想要一个没有我不需要的信息的新CSV文件。

Answer 1

问题是如果有些推文包含逗号，我不希望因分裂而删除此字符..

常规Python标准库CSV module可以很好地处理这种情况：

>>> import csv
>>> s = '''15,Oct 11,785816454042124288,/realDonaldTrump/status/785816454042124288,False,"Despite winning the second debate in a landslide (every poll), it is hard to do well when Paul Ryan and others give zero support!",DonaldTrump
16,Oct 10,785563318652178432,/realDonaldTrump/status/785563318652178432,False,"Wow, @CNN got caught fixing their ""focus group"" in order to make Crooked Hillary look better. Really pathetic and totally dishonest!",DonaldTrump
'''.splitlines()
>>> for fields in csv.reader(s):
        print(fields[2], fields[5])


785816454042124288 Despite winning the second debate in a landslide (every poll), it is hard to do well when Paul Ryan and others give zero support!
785563318652178432 Wow, @CNN got caught fixing their "focus group" in order to make Crooked Hillary look better. Really pathetic and totally dishonest!

Python中的清理数据集

1 个答案: