Question

我尝试将公共txt文件加载到Pandas中的数据框中，以便稍后以德语执行名称实体识别。原始txt文件的结构为＃单词[date]，后跟数字（句子中的位置），单词和名称实体识别，单词之间用Tabs分开。所以结构是：

text [21-03-1991] 1 Aufgrund O O 2 des O O # text [22-04-1993] 1 Aber O P

任何人都知道如何将其转换为这种格式：

Aufgrund 0 0
des 0 0

Aber O P

在新列中每＃个是最好的情况？

我想使用

pd.read_csv(...)

Answer 1

文本文件示例

text  [21-03-1991]    1   Aufgrund    O   O   2   des O   O   #   text    [22-04-1991]    1   Aber    O   P
text  [21-04-1992]    2   Aufgrund    O   O   3   des O   O   #   text    [22-04-1992]    1   Aber    O   P
text  [21-06-1993]    3   Aufgrund    O   O   5   des O   O   #   text    [22-04-1993]    1   Aber    O   P

import pandas as pd

# Reading tab separated text file
df = pd.read_csv("source.txt",sep='\t')

df1 = df.iloc[:,[3,4,5]]
df1.columns = ['V1','V2','V3']
df2 = df.iloc[:,[7,8,9]]
df2.columns = ['V1','V2','V3']
df3 = df.iloc[:,[14,15,16]]
df3.columns = ['V1','V2','V3']

d_one = df1.append(df2, ignore_index=True)
final_df = d_one.append(df3, ignore_index=True)
print(final_df)

用熊猫加载（双）结构化的txt文件

1 个答案: