Pandas 将一个数据帧的列转换为另一个数据帧的索引

Question

我有一些 .txt 格式的文本文件。

我正在尝试使用它们创建一个 .csv 文件，以便 .txt 文件位于索引列中。

稍后我会在编辑数据框时添加包含人口统计和统计信息的列（例如 L1、Prompt 和 Level），但我想对齐索引中的 txt 文件，以便进行一些 NLTK 分析。

想要的输出是：

            L1         Prompt    Level    
FileName
data1.txt   Japanese   P1        High
data2.txt   Korean     P1        High
data3.txt   Chinese    P1        High
data4.txt   Japanese   P2        Med
data5.txt   Korean     P2        Med
data6.txt   Chinese    P2        Med 
data7.txt   Arabic     P1        High
data8.txt   German     P1        High
data9.txt   Spanish    P1        High
data10.txt  Arabic     P2        Med
data11.txt  German     P2        Med
data12.txt  Spanish    P2        Med 

我试过的代码如下

df1=pd.read_csv('data1.txt',names=['data1'])
df2=pd.read_csv('data2.txt',names=['data2'])
df3=pd.read_csv('data3',names=['data3'])
result=pd.concat([df1,df2,df3],axis=1)
result.to_csv('mergedfile.txt',index=False)

但这当然会创建列

   data1.txt   data2.txt   data3.txt
0  XYZ         GHI         PQR
1  ABC         JKL         STU
2  DEF         MNO         VWX

XYZ 和 ABC 都是句子，例如“我的祖国和美国的区别之一是便利店”。或“一个区别是公共交通，每个人都在我的祖国乘坐公共交通，而在美国则没有那么多。”

每个 txt 文件我有超过 100,000 个话语，所以我不想将所有数据都放在数据框中，如果我可以将 txt 文件放入索引列，那将是最理想的。

最终，我想将其导出为 .csv，然后将其用于进一步分析。

Answer 1

您可以将数据框中的列用作新数据框的索引：

df1 = pd.DataFrame({'data1': ['XYZ', 'ABC', 'DEF']})
df2 = pd.DataFrame({'data2': ['GHI', 'JKL', 'MNO']})
df3 = pd.DataFrame({'data3': ['PQR', 'STU', 'VWX']})

df = pd.concat([df1, df2, df3], axis=1)

print(df)

#   data1 data2 data3
# 0   XYZ   GHI   PQR
# 1   ABC   JKL   STU
# 2   DEF   MNO   VWX

res = pd.DataFrame(index=[k+'.txt' for k in df],
                   columns=['L1', 'Prompt', 'Level'])

print(res)

#             L1 Prompt Level
# data1.txt  NaN    NaN   NaN
# data2.txt  NaN    NaN   NaN
# data3.txt  NaN    NaN   NaN