在 Pandas 中读取带逗号的 CSV 文件时出现问题

debugcn 发表于 Dev

阿维纳什·克林顿

当且仅当一列包含逗号作为其字符且其余列表现良好时，上述链接中提供的解决方案才有效。

如果有不止一列有上述问题怎么办？

带有附加逗号问题的 CSV 内容示例：

Name,Age,Address,Phone,Qualification
Suresh,28,Texas,3334567892,B.Tech
Ramesh,24,NewYork, NY,8978974040,9991111234,Ph.D
Mukesh,26,Dallas,4547892345,Ph.D

所需的输出 Pandas 数据帧：

Name    Age  Address      Phone                  Qualification
Suresh  28   Texas        3334567892             B.Tech
Ramesh  24   NewYork, NY  8978974040,9991111234  Ph.D
Mukesh  26   Dallas       4547892345             Ph.D

编辑：

在连续列中以逗号作为字符的输入文件：

Name,Age,Address,Qualification,Grade                  
Suresh,28,Texas,B.Tech,Ph.D,A
Ramesh,24,NewYork, NY,B.Tech,A+
Mukesh,26,Dallas,B.Tech,Ph.D,A

所需的输出 Pandas 数据帧：

Name    Age  Address      Qualification Grade                  
Suresh  28   Texas        B.Tech,Ph.D   A
Ramesh  24   NewYork, NY  B.Tech        A+
Mukesh  26   Dallas       B.Tech,Ph.D   A

我能得到解决这个问题的任何建议吗？

提前致谢！！！

马丁·埃文斯

您的前两列和最后一列的数据看起来都是固定的，因此可以删除这些数据，并且可以使用itertools.groupby()将剩余的列分组为数字或非数字组来处理剩余值。然后可以将结果数据加载到熊猫中：

import pandas as pd
from itertools import groupby
import csv

data = []

with open('input.csv', newline='') as f_input:
    csv_input = csv.reader(f_input)
    header = next(csv_input)

    for row in csv_input:
        addr_phone = [','.join(g) for k, g in groupby(row[2:-1], lambda x: x.isdigit())]
        data.append(row[:2] + addr_phone + [row[-1]])

df = pd.DataFrame(data, columns=header)        
print(df)

给你：

     Name Age      Address                  Phone Qualification
0  Suresh  28        Texas             3334567892        B.Tech
1  Ramesh  24  NewYork, NY  8978974040,9991111234          Ph.D
2  Mukesh  26       Dallas             4547892345          Ph.D

要使用第二个示例，您必须决定拆分两列的方法。我建议您创建一个可能的资格列表。当有比赛时，你可以在那个时候分裂。例如：

import pandas as pd
import csv

def find_split(data):
    for index, v in enumerate(data):
        if v.lower() in ['b.tech', 'ph.d']:
            return [', '.join(data[:index]), ', '.join(data[index:])]
    return [', '.join(data), '']

data = []

with open('input.csv', newline='') as f_input:
    csv_input = csv.reader(f_input, skipinitialspace=True)
    header = next(csv_input)

    for row in csv_input:
        data.append(row[:2] + find_split(row[2:-1]) + [row[-1]])

df = pd.DataFrame(data, columns=header)        
print(df)

给你：

     Name Age      Address Qualification Grade
0  Suresh  28        Texas  B.Tech, Ph.D     A
1  Ramesh  24  NewYork, NY        B.Tech    A+
2  Mukesh  26       Dallas  B.Tech, Ph.D     A

您可以首先set()根据row[2]（小写）的内容创建一个资格列表。打印集合的内容，然后将其添加到脚本中并重新运行它。

本文收集自互联网，转载请注明来源。

如有侵权，请联系[email protected] 删除。