Python 如何将数据从文本转换为CSV

我有文本文件data.txt，如下所示：

我已尝试使用python转换此文件

import pandas as pd
df = pd.read_fwf('data.txt')
df.to_csv('data.csv')

我希望获得如下所示的results data.csv：

我该怎么办？

将numpy作为np导入
df['Gender']=np.where（df['male'].eq（1），'male'，'femal'）
df=df.drop（列={'male'，'memale'}）
df.to_csv（'data.csv'，index=False）

姓名性别
0巴渝男
1琼森男
2安娜女

您可以在保存到

csv

之前使用

idxmax（）

：

df['Gender'] = df[['male', 'female']].idxmax(axis=1)
df = df.drop(columns=['male', 'female'])

---

只需替换和重命名即可

数据帧： 结果: 正在将数据帧保存到csv

>>> df = df.replace({ 0: "male", 1: "Female"}).drop(columns {'male'}).rename(columns={'female': 'Gender'})
>>> df.to_csv('data.csv', index=False)

您的CSV将如下所示，并以逗号分隔

$ cat data.csv
Name,Gender
bayu,male
jason,male
anna,Female

或者，只需使用

idxmax

和

df.assign

即可将值全部分配回nw列

>>> df.assign(Gender = df[['male','female']].idxmax(axis=1)).drop(columns={'male', 'female'})
    Name  Gender
0   bayu    male
1  jason    male
2   anna  female

2） 创建函数然后使用

apply

方法的另一种方法

 def setval(col):
   col = str(col)
   if col.startswith('0'):
     return  'Male'
   if col.startswith('1'):
     return  'Female'


>>> df.assign(Gender = df[ 'female'].apply(setval)).drop({"female", "male"}, axis=1)
    Name  Gender
0   bayu    Male
1  jason    Male
2   anna  Female

3） 只是为了子孙后代。。 您可以创建一个dict，然后将dict映射到其中一列，并使用

df将新值分配到一个新列。assign

进一步删除不需要的列

在这里，您可以轻松地使用

map

或

replace

方法

>>> newVal = {0:'Male', 1: 'Female'}   # dictionary paired with key, values

a） 在下面的示例中，

axis=1

表示更新方法的列

>>> df.assign(Gender=df.female.map(newVal)).drop({'male', 'female'},axis=1)
    Name  Gender
0   bayu    Male
1  jason    Male
2   anna  Female

b） 而在下面的示例中，我们明确提到它将应用于列，这是旧方法

>>> df.assign(Gender=df.female.map(newVal)).drop(columns={'male', 'female'})
    Name  Gender
0   bayu    Male
1  jason    Male
2   anna  Female

使用

。替换

>>> df.assign(Gender=df.female.replace(newVal)).drop({'male', 'female'},axis=1)
    Name  Gender
0   bayu    Male
1  jason    Male
2   anna  Female

有
np的答案很好。其中
+1请接受最适合您的答案，这样它会从未答复的队列中清除，并帮助其他正在寻找相同解决方案的人。感谢@Joe的感谢。
>>> newVal = {0:'Male', 1: 'Female'}   # dictionary paired with key, values

>>> df.assign(Gender=df.female.map(newVal)).drop({'male', 'female'},axis=1)
    Name  Gender
0   bayu    Male
1  jason    Male
2   anna  Female

>>> df.assign(Gender=df.female.map(newVal)).drop(columns={'male', 'female'})
    Name  Gender
0   bayu    Male
1  jason    Male
2   anna  Female

>>> df.assign(Gender=df.female.replace(newVal)).drop({'male', 'female'},axis=1)
    Name  Gender
0   bayu    Male
1  jason    Male
2   anna  Female