在Python 3中使用熊猫解析CSV文件
我正在尝试用Python3解析一个电影数据库。 如何解析具有不同变量的电影类型? 例如:在Python 3中使用熊猫解析CSV文件,python,csv,numpy,Python,Csv,Numpy,我正在尝试用Python3解析一个电影数据库。 如何解析具有不同变量的电影类型? 例如: 1,Toy Story (1995),Adventure|Animation|Children|Comedy|Fantasy 2,Jumanji (1995),Adventure|Children|Fantasy 第一个值是movie_id,第二个值是movie_name,第三个值是流派,但我想将它们作为属于相应电影的单独变量进行解析。换句话说,我希望数据库的第二个分隔符为“|”。我怎样才能做到这一点?这
1,Toy Story (1995),Adventure|Animation|Children|Comedy|Fantasy
2,Jumanji (1995),Adventure|Children|Fantasy
第一个值是movie_id,第二个值是movie_name,第三个值是流派,但我想将它们作为属于相应电影的单独变量进行解析。换句话说,我希望数据库的第二个分隔符为“|”。我怎样才能做到这一点?这是我的密码:
import numpy as np
import pandas as pd
header = ["movie_id", "title", "genres"]
movie_db = pd.read_csv("movielens/movies.csv", sep=",", names=header)
您可以使用分隔符
,|
,但第一行必须包含所有可能的类型:
df = pd.read_csv("movielens/movies.csv", sep="[,|]", header=None, engine='python')
print (df)
0 1 2 3 4 5 6
0 1 Toy Story (1995) Adventure Animation Children Comedy Fantasy
1 2 Jumanji (1995) Adventure Children Fantasy None None
但这里最好按类别创建新列,并将其设置为1
,如果类别存在于行中,并通过以下方式添加到原始列中:
但是如果需要,列可以由|
使用:
df = movie_db.join(movie_db.pop('genres').str.split('|', expand=True))
print (df)
movie_id title 0 1 2 3 4
0 1 Toy Story (1995) Adventure Animation Children Comedy Fantasy
1 2 Jumanji (1995) Adventure Children Fantasy None None
df = movie_db.join(movie_db.pop('genres').str.get_dummies())
print (df)
movie_id title Adventure Animation Children Comedy Fantasy
0 1 Toy Story (1995) 1 1 1 1 1
1 2 Jumanji (1995) 1 0 1 0 1
df = movie_db.join(movie_db.pop('genres').str.split('|', expand=True))
print (df)
movie_id title 0 1 2 3 4
0 1 Toy Story (1995) Adventure Animation Children Comedy Fantasy
1 2 Jumanji (1995) Adventure Children Fantasy None None