Python 如何使用pd.read\u剪贴板读取包含列表的数据帧？

以下是来自另一方的一些数据：

我首先要做的是在所有单词中添加引号，然后：

import ast

df = pd.read_clipboard(sep='\s{2,}')
df = df.applymap(ast.literal_eval)

有更聪明的方法吗？

我是这样做的：

df = pd.read_clipboard(sep='\s{2,}', engine='python')
df = df.apply(lambda x: x.str.replace(r'[\[\]]*', '').str.split(',\s*', expand=False))

PS我敢肯定-一定有更好的方法来做到这一点…

字符串列表 对于无需添加引号即可使用的基本结构：

import yaml
df = pd.read_clipboard(sep='\s{2,}').applymap(yaml.load)

type(df.iloc[0, 0])
Out: list

---

数字数据列表 在某些情况下，您可以将列表读取为字符串，然后使用

literal\u eval

（或者

pd.eval

，如果它们是简单列表，则转换它们）

比如说,

           A   B
0  [1, 2, 3]  11
1  [4, 5, 6]  12

首先，确保列之间至少有两个空格，然后复制数据并运行以下操作：

import ast 

df = pd.read_clipboard(sep=r'\s{2,}', engine='python')
df['A'] = df['A'].map(ast.literal_eval)    
df
    
           A   B
0  [1, 2, 3]  11
1  [4, 5, 6]  12

df.dtypes

A    object
B     int64
dtype: object

注释

• 对于多列，在转换步骤中使用

  applymap

  ：

  df[['A', 'B', ...]] = df[['A', 'B', ...]].applymap(ast.literal_eval)
  

• 如果列可以包含NAN，请定义一个可以适当处理它们的函数：

  parser = lambda x: x if pd.isna(x) else ast.literal_eval(x)
  df[['A', 'B', ...]] = df[['A', 'B', ...]].applymap(parser)
  

• 如果列包含字符串列表，如果不想手动添加，则需要类似于

  yaml.load

  （需要安装）的内容来解析它们 引用数据。见上文

另一个版本：

df.applymap(lambda x:
            ast.literal_eval("[" + re.sub(r"[[\]]", "'", 
                                          re.sub("[,\s]+", "','", x)) + "]"))

---

另一种选择是

In [43]:  df.applymap(lambda x: x[1:-1].split(', '))
Out[43]: 
                         positive                negative         neutral
1  [marvel, moral, bold, destiny]                      []  [view, should]
2                     [beautiful]     [complicated, need]              []
3                     [celebrate]  [crippling, addiction]           [big]

注意，这假定每个单元格中的第一个和最后一个字符是

[

和

]

。 它还假设逗号后面正好有一个空格。

根据@MaxU的帮助

df = pd.read_clipboard(sep='\s{2,}', engine='python')

然后：

根据@unutbu的笔记，他提出了一个类似的解决方案：

假设每个单元格中的第一个和最后一个字符为[和]。它还假设逗号后正好有一个空格

---

比这种方式更好：

df=pd.DataFrame（{'positive'：[['marvel'、['moral'、['bold'、['destiny']、['beutiful']、['profected']、['defect']、['dependential']、['neutral'：['view'、['should']、['big']]]]]}）

对于小代码段，

df.applymap（lambda x:x[1]、[1]、[1]、[1]，][/code>）

（但并不像MaxU的回答那样有力地处理空格。）@unutbu，它看起来不错-你能把你的评论变成一个答案吗？我认为进口是一个很小的价格为有一个解决方案这种防弹。只要它是内置的，它是好的。所有其他的答案都很好，但我接受这一个，特别是因为它的简单性。纠正我以前的评论：yaml不是内置的，它的库需要安装pip。为错误信息道歉！

df = pd.read_clipboard(sep='\s{2,}', engine='python')

>>> df.apply(lambda col: col.str[1:-1].str.split(', '))
                         positive                negative         neutral
1  [marvel, moral, bold, destiny]                      []  [view, should]
2                     [beautiful]     [complicated, need]              []
3                     [celebrate]  [crippling, addiction]           [big]

>>> df.apply(lambda col: col.str[1:-1].str.split()).loc[3, 'negative']
['crippling', 'addiction']