如何在Python中像这样组织dataFrame：

Question

我有一个包含一些信息的文件：

1。电影ID（“：”之前的第一个字符）

2。用户ID

4。用户评分

3。日期

所有元素均以“，”分隔，但电影ID由冒号分隔

如果我创建这样的数据框：

 df=pd.read_csv('combined_data_1.txt',header = None,names['Movie_ID','User_ID','Rating','Date'])

并打印数据框，我会得到这个：

这显然是不正确的。

因此，如果您查看“ Movie_ID”列，则在第一行中会有1：1488844。 “ Movie_ID”列中只能有数字“ 1”（冒号前），而不是“ 1：1488844”列中。其余（1488844）应该在User_ID列中。

另一个问题是，并不是每个“ Movie_ID”列都具有正确的ID，在这种情况下，应为“ 1”，直到我找到另一个电影ID，该ID将再次成为冒号之前的第一个数字。

>

我知道所有电影的ID都遵循一个顺序，即：1、2、3、4，...

我看到的另一个问题是，当我读取文件时，由于某种原因，当有冒号时会发生分裂，因此在第一行（不会分裂）之后，当冒号出现时，会出现一行创建的“ Movie_ID”中的内容仅包含例如“ 2：”，而不包含第一行。

最后，我想得到这样的东西：

但是我不知道该如何组织。 感谢您的帮助！

Answer 1

我认为问题可能出在您的数据存储和解析方式上，这是因为电影ID的存储方式由:（冒号）而不是CSV所需要的（，）分隔。

如果您能够解析以专用逗号分隔它。以CSV格式打开之前的文本，您也许可以消除此问题。我仅注意到这一点，因为Pandas不允许使用多个定界符。

这就是我想出的关于按您的需求用冒号和逗号表示的内容的想法。虽然我知道这不是您的最终目标，但希望这能够使您走上正确的道路。

import pandas as pd
with open("combined_data_1.txt") as file:
    lines = file.readlines()


#Splitting the data into a list delineated by colons
data = []
for line in lines:
    if(":" in line):
        data.append([])
    else: #Using else here prevents the line containing the colon from being saved.
        data[len(data)-1].append(line)


for x in range(len(data)):
    print("Section " + str(x+1) + ":\n")
    print(str(data[x]) + "\n\n")

Answer 2

将iterable与shift一起使用，只需修改列即可：

axis=1

现在：

df=df.shift(axis=1)
df['Movie_ID']=df['User_ID'].str[0]
df['User_ID']=df['User_ID'].str[2:]

将是理想的结果。