从字符串创建 Pandas DataFrame

问题描述：

为了测试某些功能，我想DataFrame从字符串创建一个。假设我的测试数据如下：

TESTDATA="""col1;col2;col3
1;4.4;99
2;4.5;200
3;4.7;65
4;3.2;140
"""

将数据读入 Pandas 的最简单方法是什么DataFrame？

解决方案 1：

一个简单的方法是使用StringIO.StringIO(python2)或io.StringIO(python3)并将其传递给pandas.read_csv函数。例如：

import sys
if sys.version_info[0] < 3: 
    from StringIO import StringIO
else:
    from io import StringIO

import pandas as pd

TESTDATA = StringIO("""col1;col2;col3
    1;4.4;99
    2;4.5;200
    3;4.7;65
    4;3.2;140
    """)

df = pd.read_csv(TESTDATA, sep=";")

解决方案 2：

在一行中，但首先导入io

import pandas as pd
import io   

TESTDATA="""col1;col2;col3
1;4.4;99
2;4.5;200
3;4.7;65
4;3.2;140
"""

df = pd.read_csv(io.StringIO(TESTDATA), sep=";")
print(df)

解决方案 3：

分割方法

data = input_string
df = pd.DataFrame([x.split(';') for x in data.split('
')])
print(df)

解决方案 4：

交互式工作的一个快速简便的解决方案是通过从剪贴板加载数据来复制和粘贴文本。

使用鼠标选择字符串的内容：

在 Python shell 中使用read_clipboard()

>>> pd.read_clipboard()
  col1;col2;col3
0       1;4.4;99
1      2;4.5;200
2       3;4.7;65
3      4;3.2;140

使用适当的分隔符：

>>> pd.read_clipboard(sep=';')
   col1  col2  col3
0     1   4.4    99
1     2   4.5   200
2     3   4.7    65
3     4   3.2   140

>>> df = pd.read_clipboard(sep=';') # save to dataframe

解决方案 5：

此答案适用于手动输入字符串的情况，而不适用于从某处读取字符串的情况。

传统的可变宽度 CSV 无法读取将数据存储为字符串变量。尤其是在.py文件内部使用时，请考虑使用固定宽度的竖线分隔数据。各种 IDE 和编辑器可能都有一个插件，可以将竖线分隔的文本格式化为整洁的表格。

使用read_csv

将以下内容存储在实用程序模块中，例如util/pandas.py。示例包含在函数的文档字符串中。

import io
import re

import pandas as pd


def read_psv(str_input: str, **kwargs) -> pd.DataFrame:
    """Read a Pandas object from a pipe-separated table contained within a string.

    Input example:
        | int_score | ext_score | eligible |
        |           | 701       | True     |
        | 221.3     | 0         | False    |
        |           | 576       | True     |
        | 300       | 600       | True     |

    The leading and trailing pipes are optional, but if one is present,
    so must be the other.

    `kwargs` are passed to `read_csv`. They must not include `sep`.

    In PyCharm, the "Pipe Table Formatter" plugin has a "Format" feature that can 
    be used to neatly format a table.

    Ref: https://stackoverflow.com/a/46471952/
    """

    substitutions = [
        ('^ *', ''),  # Remove leading spaces
        (' *$', ''),  # Remove trailing spaces
        (r' *| *', '|'),  # Remove spaces between columns
    ]
    if all(line.lstrip().startswith('|') and line.rstrip().endswith('|') for line in str_input.strip().split('
')):
        substitutions.extend([
            (r'^|', ''),  # Remove redundant leading delimiter
            (r'|$', ''),  # Remove redundant trailing delimiter
        ])
    for pattern, replacement in substitutions:
        str_input = re.sub(pattern, replacement, str_input, flags=re.MULTILINE)
    return pd.read_csv(io.StringIO(str_input), sep='|', **kwargs)

无效的替代方案

下面的代码不能正常工作，因为它在左边和右边都添加了一个空列。

df = pd.read_csv(io.StringIO(df_str), sep=r's*|s*', engine='python')

至于read_fwf，它实际上并没有使用那么多接受和使用的可选 kwargs read_csv。因此，它根本不应该用于管道分隔的数据。

解决方案 6：

对象：取字符串制作数据框。

解决方案

def str2frame(estr, sep = ',', lineterm = '
', set_header = True):
    dat = [x.split(sep) for x in estr.strip(lineterm).split(lineterm)]
    df = pd.DataFrame(dat)
    if set_header:
        df = df.T.set_index(0, drop = True).T # flip, set ix, flip back
    return df

例子

estr = """
sym,date,strike,genus
APPLE,20MAY20,50.0,Malus
ORANGE,22JUL20,50.0,Rutaceae
"""

df = str2frame(estr)

print(df)
0     sym     date strike     genus
1   APPLE  20MAY20   50.0     Malus
2  ORANGE  22JUL20   50.0  Rutaceae

解决方案 7：

示例：

text = [ ['This is the NLP TASKS ARTICLE written by Anjum**'] ,['IN this article I”ll be explaining various DATA-CLEANING techniques '], ['So stay tuned for FURther More && '],['Nah I dont think he goes to usf ; he lives around']]
df = pd.DataFrame({'text':text})

输出