熊猫数据框在拆分非分隔文本字段后更正数据类型

Question

我有一个包含非结构化数据的 excel 文件。 1 列包含 4 条数据的文本，我正在将其导入数据框...某些数据可能与该列的预期不匹配

03/04/21    08:08:26  ->  -   50.20
03/04/21    11:08:26  ->  +  283.75
03/04/21    10:48:34  ->  Scale Timeout

我可以.split(' ', expand=True) 这个来获得 12 列。

             0 1  2  3          4 5    6 7   8 9       10     11
0     03/04/21           08:08:26     ->     -             50.20
1     03/04/21           08:28:26     ->     -             50.20

当我复制 cols[0,4,8,11]、重命名它们并复制到新的 df 时，这就像一个典型的数据框：

          date      time sign   mass
0     03/04/21  08:08:26    -  50.20
1     03/04/21  08:28:26    -  50.20
2     03/04/21  08:48:26    -  50.15

现在事情向南......我什至不能print(df['date'])

我得到错误： 只有整数标量数组可以转换为标量索引

我检查了 dtype，所有 cols 都是类型对象。我试过 .astype(str)，但仍然得到同样的错误

#困惑

一定是 .split() 创建了我没有正确寻址的 dtype？

Answer 1

包含非结构化数据的原始数据框：

df:

                                   col
0  03/04/21    08:08:26  ->  -   50.20
1  03/04/21    11:08:26  ->  +  283.75
2  03/04/21    10:48:34  ->  -  50.15

然后在您的 df 上尝试以下操作：

df2 = pd.DataFrame(df.col.str.split().str.join(' ').str.split(' ').values.tolist(), columns=['date','time','symbol','sign','mass'])

df2:

       date      time symbol sign    mass
0  03/04/21  08:08:26     ->    -   50.20
1  03/04/21  11:08:26     ->    +  283.75
2  03/04/21  10:48:34     ->    -   50.15

df2 将所有不同的数据作为单独的列。现在您可以从 df2 中选择您需要的列。

print(df2['date'])
0    03/04/21
1    03/04/21
2    03/04/21
Name: date, dtype: object

我所做的是首先删除非结构化数据中所有额外的空格，然后用一个空格替换它们。然后我在该数据上应用split(' ') 以划分为所需的数据。

Answer 2

当你复制到新的 df 时，它将是新的列表。

您必须使用 print(df[0]) 来打印日期。 df[1] 代表时间，df[2] 代表符号，df[3] 代表质量

只有整数标量数组可以转换为标量索引

df是一个list对象，可以查看df的数据类型，list中的index只能使用整数