[英]Parsing CSV file with Pandas in Python 3
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)
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
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.