问题抽丝剥茧
这个问题也算是群友答疑。如果说同事或者老板给你一堆这样的数据,你估计会抓狂,该怎么处理呢?
仔细观察上面数据可以发现,该数据有如下2个主要特点:
① 每一行的数据长度不同。第一行和第三行有4个属性,第二行有5个属性。
② 不同行的属性值,并不是对应排列。
解题思路剖析
你可能会想,直接用Excel分裂。其实并不可行,因为不同行的属性值,并不是对应排列。Excel分列导致的结果就是:不同的属性,存在于相同的行。
放弃Excel那条路之后,我就只能寻求Python的帮助了。我们要根据数据的特点,选择合适的数据存储方法。最终问题就转化为:构造数据源,然后创建DataFrame即可。
我曾经写了一篇文章《DataFrame的创建方式》,这篇文章总结了10种创建DataFrame的方法,我下面把链接提供给大家学习一下。
DataFrame的10种创建方式:http://suo.im/6tEjDJ
然后根据我们这个数据的特点,我选择构造字典组成的列表这样一个数据,并利用它来创建DataFrame。
观察我提供的这个案例和待解决的问题,简直异曲同工。我们同样可以将上述数据的每一行,都变成一个个键值对组成的字典。然后最外层用一个大列表,将所有的字典包含起来。
完整代码
1)首先需要构造练习数据
import pandas as pd x = {"信息":["年龄:12;性别:女;身高:22;爱好:打球", "年龄:12;说明:历史数据;性别:女;身高:22;爱好:打球", "生日:2月3日;年龄:12;性别:女;爱好:打球"] } df = pd.DataFrame(x) df
结果如下:
2)构造字典组成的列表
tmps_list = [] for data in df["信息"].values: tmp_dict = {} for kv in data.split(";"): k, v = kv.split(":") tmp_dict[k] = v tmps_list.append(tmp_dict) tmps
结果如下:
3)创建DataFrame
df = pd.DataFrame(tmps) df
结果如下: