在Python 3中使用Pandas解析CSV文件

Question

我正在嘗試使用Python 3解析電影數據庫。如何解析具有不同變量的電影體裁？ 例如：

1,Toy Story (1995),Adventure|Animation|Children|Comedy|Fantasy
2,Jumanji (1995),Adventure|Children|Fantasy

第一個值是movie_id，第二個值是movie_name，第三個值是流派，但我想將它們解析為屬於相應電影的單獨變量。 換句話說，我希望數據庫的第二個分隔符為“ |”。 我該如何實現？ 這是我的代碼：

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，第一行必須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

但是最好按類別創建新列，如果類別按get_dummies在行中存在，則將其設置為1 ， get_dummies通過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通過| ：

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