Question

以下数据存储在我使用 readlines（）读取的文件中。

6月1日

早餐-20

午餐-40

小吃-10

公交车票-130

自动-60

6月3日

公交车票-206

自动-71

出租-3385

电-1085

晚餐-120

我尝试了很多事情，但无法获得确切的输出。 所需的输出为：

         Breakfast  Lunch  Snacks  Bus Ticket  Auto  Rent  Electricity  Dinner
1st June    20       40      10        130      60    0         0         0
3rd June     0        0       0        206      71   3385      1085      120

数据中的日期应该是数据框的索引，后跟作为列名称的项目以及作为列值的成本。

Answer 1

使用：

import pandas as pd

temp=u"""1st June

Breakfast - 20

Lunch - 40

Snacks - 10

Bus Ticket - 130

Auto - 60

3rd June

Bus Ticket - 206

Auto - 71

Rent - 3385

Electricity - 1085

Dinner - 120"""

如果没有DataFrame的标头，则首先由read_csv用参数names创建csv：

#after testing replace 'pd.compat.StringIO(temp)' to 'filename.csv'
df = pd.read_csv(pd.compat.StringIO(temp), names=['data'])
print (df)
                  data
0             1st June
1       Breakfast - 20
2           Lunch - 40
3          Snacks - 10
4     Bus Ticket - 130
5            Auto - 60
6             3rd June
7     Bus Ticket - 206
8            Auto - 71
9          Rent - 3385
10  Electricity - 1085
11        Dinner - 120

然后创建3个新列-首先向前填充mask创建的NaN，然后重复split值并通过dropna删除不必要的行来重复日期：

mask = df['data'].str.contains('-')
df['a'] = df['data'].mask(mask).ffill()
df[['b', 'c']] =  df['data'].where(mask).str.split(' - ', expand=True)
df = df.dropna(subset=['b'])

最后一次用set_index和unstack重塑，如有必要，将值的原始顺序添加reindex，并使用rename_axis进行数据清理：

df = (df.set_index(['a','b'])['c']
        .astype(int)
        .unstack(fill_value=0)
        .reindex(columns=df['b'].unique())
        .rename_axis(None)
        .rename_axis(None, axis=1))
print (df)
          Breakfast  Lunch  Snacks  Bus Ticket  Auto  Rent  Electricity  \
1st June         20     40      10         130    60     0            0   
3rd June          0      0       0         206    71  3385         1085   

          Dinner  
1st June       0  
3rd June     120

Answer 2

因此，如果是我，我会将所有内容放入字典中，然后根据该字典构建数据框。您的数据行中是否包含与某种类型的值相似的任何部分？您的索引值（ordinalnumber Month）与列值（columname - data）是否有所不同？

将这些索引值作为键放入dict中，然后将列值作为元组或dict的列表放入dict中，例如：
my_pandas_dict = { "ordNum Month" : { "columname" : data, "columname" : data, "columname" : data, ... }, ... }

然后查看pandas documentation，以了解如何根据字典制作DataFrame。

（注意：我可能以不适合pandas的方式组织了该字典中的数据。请查看文档并弄清楚如何正确地组织数据）

如何将以下文本转换为Pandas Dataframe？

2 个答案: