在Python中将具有一列的CSV转换为多列

我有一个数据集，每个数据项有一列和几行（每个数据项的行数不是唯一的）。数据项由一行“------------------------------------”区分

我想将数据转换为（3）列。数据应按“------------------------------------”行分割

理想情况下，前两列应该是id，每个数据项的行数中的其余文本应该映射到id | id | text这样的一列

我尝试了SO中建议的不同方法，但仍然无法获得所需的输出

import csv
import sys
inp_fname = 'Comments.csv'
out_fname = 'Columned-Data.csv'

def rez(row, size):
    rowx = [''] * size
    for i in range(0,len(row)):
        rowx[i] = row[i]
    return rowx
MATCH = "-------------------------------\n"
cols = []
glob = []
with open(inp_fname, 'r', newline='') as in_csvfile, open(out_fname, 'w', newline='') as out_csvfile:
    reader = csv.reader(in_csvfile)
    writer = csv.writer(out_csvfile)
    for line in reader:
        if line == MATCH: 
            glob.append(list(cols))
            cols = []
        else:
            cols.append(line)
    MAX = max(map(lambda x: len(x), glob))

#output = list(map(lambda x: rez(x, MAX), glob))
#writer.writerow(output)
print(list(map(lambda x: rez(x, MAX), glob)))             

---

我需要删除“------------------------------------”行，每个数据集只包含3行（id、id、文本）。

我的源测试文件如下：

r0 xxxx
r1 xxxx, yyy
r2 xxxx, zzz
--------
r3 xxxx
r4 xxxx
--------
r6 xxxx

第一步是使用不存在的分隔符（我选择了“&”）读取它， 因此，每个源行都是一个单个字段的内容（我将其命名为 行）：

下一步是添加一个“分组”列，使其值 在以“----”开头的线之间的每个“接触点”上增加 （上一个“逻辑行”的结尾）和以 其他一些文本（下一个“逻辑行”的开头）：

对于我的数据，结果是：

           line  grp
0       r0 xxxx    0
1  r1 xxxx, yyy    0
2  r2 xxxx, zzz    0
3      --------    0
4       r3 xxxx    1
5       r4 xxxx    1
6      --------    1
7       r6 xxxx    2

下一步是定义一个生成一系列字符串的函数， 但不终止来自一组源行的“----”：

def genRow(gr):
    return gr.loc[~gr.line.str.startswith('----'), 'line'].reset_index(drop=True)

最后一步（重置索引）被添加到始终在结果中具有索引 从0开始。 这样，当应用此函数的结果将被连接时， 每组的连续成员将放入连续的列中， 从0开始

并生成最终结果：

• 将此功能应用于每个组
• 取消堆栈以创建数据帧
• 删除索引名称（重命名_轴）
• 将NAN替换为空字符串（fillna）

执行此操作的代码是：

df2 = df.groupby('grp').apply(genRow).unstack(level=1).rename_axis('').fillna('')

这样我们得到：

         0             1             2
0  r0 xxxx  r1 xxxx, yyy  r2 xxxx, zzz
1  r3 xxxx       r4 xxxx              
2  r6 xxxx                            

如你所见：

• 即使在某些“逻辑行”中的行数 （转换为列）较小
• 任何一行都可以包含例如逗号，它不会分隔 将源文本插入相邻字段

作为最后一步，您可以设置此数据帧的columns属性，

---

如您所愿使用列名。

此数据集无法使用pandas的可能重复项，因为它有一些分隔符，代码会删除这些分隔符以使其正常工作。因此，这种方法不起作用。我正在寻找一个python解决方案。你介意发布一个最小的示例输入/预期输出吗？我正在尝试更新的代码。但是，将行与匹配项匹配存在一个问题。你能告诉我哪里出了问题吗？谢谢！我尝试了使用JSON解析进行数据提取，这个问题得到了解决。

df2 = df.groupby('grp').apply(genRow).unstack(level=1).rename_axis('').fillna('')

         0             1             2
0  r0 xxxx  r1 xxxx, yyy  r2 xxxx, zzz
1  r3 xxxx       r4 xxxx              
2  r6 xxxx