[英]Parsing CSV file with Pandas in Python 3
我正在尝试使用Python 3解析电影数据库。如何解析具有不同变量的电影体裁? 例如:
1,Toy Story (1995),Adventure|Animation|Children|Comedy|Fantasy
2,Jumanji (1995),Adventure|Children|Fantasy
第一个值是movie_id,第二个值是movie_name,第三个值是流派,但我想将它们解析为属于相应电影的单独变量。 换句话说,我希望数据库的第二个分隔符为“ |”。 我该如何实现? 这是我的代码:
import numpy as np
import pandas as pd
header = ["movie_id", "title", "genres"]
movie_db = pd.read_csv("movielens/movies.csv", sep=",", names=header)
您可以使用分隔符,|
但必不可少的是,第一行必须包含所有可能的流派:
df = pd.read_csv("movielens/movies.csv", sep="[,|]", header=None, engine='python')
print (df)
0 1 2 3 4 5 6
0 1 Toy Story (1995) Adventure Animation Children Comedy Fantasy
1 2 Jumanji (1995) Adventure Children Fantasy None None
但是最好按类别创建新列,如果类别按get_dummies
在行中存在,则将其设置为1
, get_dummies
通过join
添加到原始列中:
movie_db = pd.read_csv("movielens/movies.csv", sep=",", names=header)
df = movie_db.join(movie_db.pop('genres').str.get_dummies())
print (df)
movie_id title Adventure Animation Children Comedy Fantasy
0 1 Toy Story (1995) 1 1 1 1 1
1 2 Jumanji (1995) 1 0 1 0 1
但是,如果需要列可以使用split
通过|
:
df = movie_db.join(movie_db.pop('genres').str.split('|', expand=True))
print (df)
movie_id title 0 1 2 3 4
0 1 Toy Story (1995) Adventure Animation Children Comedy Fantasy
1 2 Jumanji (1995) Adventure Children Fantasy None None
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.