Python 从列表中提取标题，并创建一个数据框，其中标题并排列出元素

在浏览完一个网站后，我得到了一个如下列表：

data = ['\xa0header1', 'element1', 'element2', 'element3', '\xa0header2', 'element4', 'element5']

          A         B
   0  element1   header1
   1  element2   header1
   2  element3   header1
   3  element4   header2
   4  element5   header2

等等

我想用我收集的数据创建一个熊猫数据框，如下所示：

data = ['\xa0header1', 'element1', 'element2', 'element3', '\xa0header2', 'element4', 'element5']

          A         B
   0  element1   header1
   1  element2   header1
   2  element3   header1
   3  element4   header2
   4  element5   header2

因此，基本上，我想在下一列中显示初始列表中一组元素上方的标题

考虑到标题前面的特殊字符，可以很容易地在列表中查找标题，如何做到这一点？

itertools groupby+repeat+chain 这是一个使用模块的解决方案。本质上，这些是我们需要开展的唯一业务：

根据项目是否以

\xa0

开头对项目进行分组

分组后，为列表列表中的每个列表重复标题

为系列

A

和

B

链接结果，以删除嵌套列表

关键的是，这些操作已经在标准库中缓慢而高效地实现，因此不需要在纯Python中重现（尽管这本身就是一个很好的学习练习）

完整解决方案：

from itertools import chain, groupby, repeat

chainer = chain.from_iterable

data = ['\xa0header1', 'element1', 'element2', 'element3',
        '\xa0header2', 'element4', 'element5']

def condition(x):
    return x.startswith('\xa0')

# create list of lists for elements
elements = [list(j) for i, j in groupby(data, key=condition) if not i]

# create list of headers
headers = [next(j) for i, j in groupby(data, key=condition) if i]

# chain list of lists, and use repeat for headers
df = pd.DataFrame({'A': list(chainer(LoL)),
                   'B': list(chainer(repeat(i, j) for i, j in \
                             zip(headers, map(len, elements))))})

print(df)

          A         B
0  element1   header1
1  element2   header1
2  element3   header1
3  element4   header2
4  element5   header2

---

另一种解决方案是使用

collections.defaultdict

创建一个字典，将标题映射到元素。可能比

itertools.groupby

更直观，只需一次

from collections import defaultdict
from itertools import chain, repeat

chainer = chain.from_iterable

data = ['\xa0header1', 'element1', 'element2', 'element3',
        '\xa0header2', 'element4', 'element5']

# create dictionary of lists
# each key a separate header; values are list of elements
d = defaultdict(list)

for item in data:
    if item.startswith('\xa0'):
        key = item.strip()
    else:
        d[key].append(item)

# chain list of lists, and use repeat for headers
df = pd.DataFrame({'A': list(chainer(d.values())),
                   'B': list(chainer(repeat(i, j) for i, j in \
                             zip(d.keys(), map(len, d.values()))))})

print(df)

          A        B
0  element1  header1
1  element2  header1
2  element3  header1
3  element4  header2
4  element5  header2

---

感谢您提供解决方案。然而，可能我不够清楚，但是标题实际上包含了\xa0egs或\xa0Plates之类的词，例如，我想提取并放入下一个colmun中，而不是枚举。