具有不同长度数组的熊猫

Question

这是我的代码。由于要解析的原始数据的内容，我最终得到的“用户列表”和“推文列表”的长度不同。将列表写为数据框中的列时，我得到ValueError: arrays must all be same length。我意识到这一点，但一直在寻找一种解决方法，在较短数组的正确位置打印0 或NaN。有任何想法吗？

import pandas
from bs4 import BeautifulSoup
soup = BeautifulSoup(open('#raw.html'))
chunk = soup.find_all('div', class_='content')

userlist = []
tweetlist = []

for tweet in chunk:
    username = tweet.find_all(class_='username js-action-profile-name')
    for user in username:
        user2 = user.get_text()
        userlist.append(user2)

for text in chunk:
    tweets = text.find_all(class_='js-tweet-text tweet-text')
for tweet in tweets:
    tweet2 = tweet.get_text().encode('utf-8')
    tweetlist.append('|'+tweet2)

print len(tweetlist)
print len(userlist)

#MAKE A DATAFRAME WITH THIS
data = {'tweet' : tweetlist, 'user' : userlist}
frame = pandas.DataFrame(data)
print frame

# Export dataframe to csv
frame.to_csv('#parsed.csv', index=False)

Answer 1

您可以通过编写此代码制作数据框轻松解决此问题。

dict_df = pd.DataFrame({ key:pd.Series(value) for key, value in Sl.items() })

Answer 2

试试这个：

frame = pandas.DataFrame.from_dict(d, orient='index')

之后，您应该使用以下方式转置您的框架：

frame = frame.transpose()

然后就可以导出为csv了：

frame.to_csv('#parsed.csv', index=False)

Answer 3

我不确定这是否正是您想要的，但无论如何：

d = dict(tweets=tweetlist, users=userlist)
pandas.DataFrame({k : pandas.Series(v) for k, v in d.iteritems()})