在Python 3中使用Pandas解析CSV文件

Question

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)

Answer 1

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