Python 如何将html表转换为dataframe

pandas

提供了一个有用的

to_html（）

转换

DataFrame

到

html表中。是否有任何有用的函数将其读回数据帧？
在一般情况下，这是不可能的，但如果您大致了解表的结构，您可以这样做：

# Create a test df:
>>> df = DataFrame(np.random.rand(4,5), columns = list('abcde'))
>>> df
     a           b           c           d           e
0    0.675006    0.230464    0.386991    0.422778    0.657711
1    0.250519    0.184570    0.470301    0.811388    0.762004
2    0.363777    0.715686    0.272506    0.124069    0.045023
3    0.657702    0.783069    0.473232    0.592722    0.855030

现在解析html并重新构建：

from pyquery import PyQuery as pq

d = pq(df.to_html())
columns = d('thead tr').eq(0).text().split()
n_rows = len(d('tbody tr'))
values = np.array(d('tbody tr td').text().split(), dtype=float).reshape(n_rows, len(columns))
>>> DataFrame(values, columns=columns)

     a           b           c           d           e
0    0.675006    0.230464    0.386991    0.422778    0.657711
1    0.250519    0.184570    0.470301    0.811388    0.762004
2    0.363777    0.715686    0.272506    0.124069    0.045023
3    0.657702    0.783069    0.473232    0.592722    0.855030

如果需要，您可以使用
eval（）
将其扩展为多索引dfs或自动类型检测。
pandas 0.12中发布的实用程序
我认为不是，但是如果有
lxml
的帮助，它应该不会太难……而且，转换为
html
也是有损的，由于类型信息丢失，因此您需要自己指定。无论如何，如果
df
相对简单（例如，统一的数据类型），转换应该只需要几行代码。pandas有一些类型推断方法试图缓解这个问题，它们做得很好。