Question

我正在完成一项任务，我有两个CSV文件。第一个文件包含我的整个数据（如下所示）

第一个文件：

  0  ID  Name                  Suburb      State   Postcode  Email                       Lat         Lon
0 0  1   Hurstville Clinic     Hurstville  NSW     1493      hurstville@myclinic.com.au  -33.975869  151.088939
1 1  2   Sydney Centre Clinic  Sydney      NSW     2000      sydney@myclinic.com.au      -33.867139  151.207114
2 2  3   Auburn Clinic         Auburn      NSW     2144      auburn@myclinic.com.au      -33.849322  151.033421
3 3  4   Riverwood Clinic      Riverwood   NSW     2210      riverwood@myclinic.com.au   -33.949859  151.052469

第二个文件包含我必须用第一个文件Email Column替换的数据。我使用Regex将第二个文件转换为HTML链接。这就是我为清理数据所做的工作：

def clean(filename):
    df = pd.read_csv(filename)
    df['Email'] = df['Email'].apply(lambda x: x if '@' in str(x) else str(x)+'@myclinic.com.au')
    return df.to_csv('temp1.csv')

第二个文件输出

Email
<a href="hurstville@myclinic.com.au"></a>
<a href="sydney@myclinic.com.au"></a>
<a href="auburn@myclinic.com.au"></a>
<a href="riverwood@myclinic.com.au"></a>
<a href="bay@myclinic.com.au"></a>
<a href="harrington@myclinic.com.au"></a>
<a href="forest@myclinic.com.au"></a>

这是不正确的。上面的函数在电子邮件列中的空格之前省略了所有内容，并且还忽略了在电子邮件列中@之前有空格的任何行。

这就是我要做的事情： a）清理文件一（两个不需要的列）的数据和电子邮件列中有一些空格，因为某些地址在名称中有空格，并且在最终函数中无法读取它们。 b）我得到的最终输出不是我想要的输出。它省略了10行：

这就是我在file2中所做的。

emails = re.findall(r'\S+@\S+', text)
for x in range(0, len(emails)):
    emails[x] = '<a href="%s"></a>' % emails[x];
emails.insert(0, 'Email')

with open(csvfile, "w") as output:
    writer = csv.writer(output, lineterminator='\n')
    for val in emails:
        writer.writerow([val])

这里，text是一个包含我的整个csv数据的dictonary。调用CSV文件的内容我只是在我的python文件中复制了整个内容。

最终输出

    ID  Name    Suburb  State   Postcode    Email_Str   Lat Lon
0   1   Hurstville Clinic   Hurstville  NSW 1493    <a href="hurstville@myclinic.com.au"></a>   -33.975869  151.088939
1   2   Sydney Centre Clinic    Sydney  NSW 2000    <a href="sydney@myclinic.com.au"></a>   -33.867139  151.207114
2   3   Auburn Clinic   Auburn  NSW 2144    <a href="auburn@myclinic.com.au"></a>   -33.849322  151.033421
3   4   Riverwood Clinic    Riverwood   NSW 2210    <a href="riverwood@myclinic.com.au"></a>    -33.949859  151.052469
4   6   Harrington Clinic   Harrington  NSW 2427    <a href="harrington@myclinic.com.au"></a>   -31.872153  152.689811
5   9   Benolong Clinic Benolong    NSW 2830    <a href="benolong@myclinic.com.au"></a> -32.413736  148.63938
6   11  Preston Clinic  Preston VIC 3072    <a href="preston@myclinic.com.au"></a>  -37.738736  145.000515
7   13  Douglas Clinic  Douglas VIC 3409    <a href="douglas@myclinic.com.au"></a>  -37.842988  144.892631
8   14  Mildura Clinic  Mildura VIC 3500    <a href="mildura@myclinic.com.au"></a>  -34.181714  142.163072
9   15  Broadford Clinic    Broadford   VIC 3658    <a href="broadford@myclinic.com.au"></a>    -37.203001  145.050171
10  16  Officer Clinic  Officer VIC 3809    <a href="officer@myclinic.com.au"></a>  -38.063056  145.40958
11  18  Langsborough Clinic Langsborough    VIC 3971    <a href="langsborough@myclinic.com.au"></a> -38.651487  146.675098
12  19  Brisbane Centre Clinic  Brisbane    QLD 4000    <a href="brisbane@myclinic.com.au"></a> -27.46758   153.027892
13  20  Robertson Clinic    Robertson   QLD 4109    <a href="robertson@myclinic.com.au"></a>    -27.565733  153.057213
14  22  Ipswich Clinic  Ipswich QLD 4305    <a href="ipswich@myclinic.com.au"></a>  -27.614604  152.760876
15  24  Caboolture Clinic   Caboolture  QLD 4510    <a href="caboolture@myclinic.com.au"></a>   -27.085007  152.951707
16  25  Booie Clinic    Booie   QLD 4610    <a href="booie@myclinic.com.au"></a>    -26.498426  151.935421
17  26  Rockhampton Clinic  Rockhampton QLD 4700    <a href="rockhampton@myclinic.com.au"></a>  -23.378941  150.512323
18  28  Cairns Clinic   Cairns  QLD 4870    <a href="cairns@myclinic.com.au"></a>   -16.925397  145.775178
19  29  Adelaide Centre Clinic  Adelaide    SA  5000    <a href="adelaide@myclinic.com.au"></a> -34.92577   138.599732

最终合并后我的数据丢失

正如您所看到的那样，它缺少大量数据。请帮帮我。

Answer 1

不确定问题是什么，但您似乎正在尝试将电子邮件文本转换为电子邮件链接。你可以这样做：

df['Email'] = df['Email'].apply(lambda x: '<a href="' + x + '"></a>')

Answer 2

看起来您正在尝试合并“电子邮件”列中的两个数据框，以便在合并后，您应该从DF2获取与DF1合并的电子邮件字符串。

首先，我们需要在DF2中创建一个包含电子邮件的第二列模式匹配DF1（Email_Str）。
接下来，我们在常用电子邮件列
此外，我们删除不需要的列
最后，将列重新排列为所需的序列。

如下工作代码（使用您的数据）

import pandas as pd
import re

df1 = pd.read_csv('file1.txt', sep=",", engine="python")
df2 = pd.read_csv('file2.txt', sep=",", engine="python")

def get_email(x):
    return ''.join(re.findall(r'"([^"]*)"', x))

df2.columns = ['Email_Str'] 
df2['Email']=df2['Email_Str'].apply(get_email) 
df2 = df2[['Email','Email_Str']]  
df3=pd.merge(df1,df2,on='Email').drop(['Email'], axis=1) 
df3 = df3[[u'ID', u'Name', u'Suburb', u'State', u'   
      Postcode',u'Email_Str', u'Lat', u'Lon', ]]

<强>结果：

>>> df3
   ID                   Name      Suburb State   Postcode  \
0   1      Hurstville Clinic  Hurstville   NSW       1493   
1   2   Sydney Centre Clinic      Sydney   NSW       2000   
2   3          Auburn Clinic      Auburn   NSW       2144   
3   4       Riverwood Clinic   Riverwood   NSW       2210   

                                   Email_Str        Lat         Lon  
0  <a href="hurstville@myclinic.com.au"></a> -33.975869  151.088939  
1      <a href="sydney@myclinic.com.au"></a> -33.867139  151.207114  
2      <a href="auburn@myclinic.com.au"></a> -33.849322  151.033421  
3   <a href="riverwood@myclinic.com.au"></a> -33.949859  151.052469  
>>>

希望这就是你要找的东西。

Answer 3

我弄清楚问题是什么。我的原始数据在电子邮件列中有空格。那么任何人都可以更新我的正则表达式函数吗？

def clean(filename):
    df = pd.read_csv(filename)
    df['Email'] = df['Email'].apply(lambda x: x if '@' in str(x) else str(x)+'@myclinic.com.au')
    return df.to_csv('temp1.csv')

从另一个csv文件替换一个csv文件的列

第一个文件：

第二个文件输出

最终输出

3 个答案: