Question

我正在尝试将文本文件解析为两列。该文件遵循两个地址的结构，一次是第一个地址需要进入第一列，第二个地址需要进入第二列。然后需要在注释行（########################）之后每两个地址重复一次

结构如下：

import pandas as pd

pd.read_clipboard('''
Arnie Morton's of Chicago 435 S. La Cienega Blvd. Los Angeles 310-246-1501 Steakhouses


Arnie Morton's of Chicago 435 S. La Cienega Blvd. Los Angeles 310/246-1501 American
########################

Art's Deli 12224 Ventura Blvd. Studio City 818-762-1221 Delis


Art's Delicatessen 12224 Ventura Blvd. Studio City 818/762-1221 American
########################

Bel-Air Hotel 701 Stone Canyon Rd. Bel Air 310-472-1211 Californian


Hotel Bel-Air 701 Stone Canyon Rd. Bel Air 310/472-1211 Californian
########################

Cafe Bizou 14016 Ventura Blvd. Sherman Oaks 818-788-3536 French Bistro


Cafe Bizou 14016 Ventura Blvd. Sherman Oaks 818/788-3536 French
########################

Campanile 624 S. La Brea Ave. Los Angeles 213-938-1447 Californian


Campanile 624 S. La Brea Ave. Los Angeles 213/938-1447 American
''',  comment='#')

我需要将文件解析为如下所示的pandas数据框（前两个地址的示例）：

'<table border="1" class="dataframe">\n  <thead>\n    <tr style="text-align: right;">\n      <th></th>\n      <th>address1</th>\n      <th>address2</th>\n    </tr>\n  </thead>\n  <tbody>\n    <tr>\n      <th>0</th>\n      <td>Arnie Morton\'s of Chicago 435 S. La Cienega Blvd. Los Angeles 310-246-1501 Steakhouses</td>\n      <td>Arnie Morton\'s of Chicago 435 S. La Cienega Blvd. Los Angeles 310/246-1501 American</td>\n    </tr>\n  </tbody>\n</table>'

有人有什么建议吗？

Answer 1

不确定我是否遵循剪贴板部分，但是从您的字符串示例中，这是一个解决方案：

import pandas as pd
import numpy as np

lines = """...your lines..."""
# strip empty lines and comments
data = np.array([s for s in 
      (l for l in s.split('\n') if len(l) and not l.startswith('#'))
])
# create the dataframe, using np.reshape to create 2 columns
df = pd.DataFrame(data.reshape((-1,2)), columns=['addr_1', 'addr_2'])

这将在结构一致的情况下起作用：地址始终为2比2，所有注释均以“＃”开头，空行实际上为空（没有空格）。

如何将第二行解析为熊猫的第二列

1 个答案: