将csv行中的文本分成多个？答案

【问题标题】：Separate text from a csv row into multiple ones?将csv行中的文本分成多个？
【发布时间】：2018-07-27 04:18:46
【问题描述】：

我有一个 .csv 文件，其中包含以下行：NAME、LOCATION、IP Address。 IP Address 行中有许多 IP，它们由空格分隔，最多 5 个字符。例如：

编辑：

Name,Location,IP Address
Router,China,10.10.10.1     10.10.10.2     10.10.10.3     10.10.10.4     10.10.10.5
Switch,USA,192.168.1.1     192.168.1.2     192.168.1.3

等等..

我希望所有 IP 都位于 IP Address 列下的单独行中。这就是我希望输出的样子：

Name,Location,IP Address
Router,China,10.10.10.1
Router,China,10.10.10.2
Router,China,10.10.10.3
Router,China,10.10.10.4
Router,China,10.10.10.5
Switch,USA,192.168.1.1
Switch,USA,192.168.1.2
Switch,USA,192.168.1.3

我一直在尝试做.split()，但它给了我一个错误。谁能帮帮我？

使用csv.DictReader 在此处读取我的 csv 文件。

【问题讨论】：

@FlorianWeimer 糟糕，我在编辑时犯了一个错误。但是这些 IP 之间的所有空格都是 5 个字符的空格。只需将它们视为 3 个不同的列。
@FlorianWeimer 是的，它只是一个普通的 csv，我手动编辑了它，这就是它变得有点难以理解的原因。
第二个@FlorianWeimer 的观点，如果您的数据是空格分隔的，那么一种解决方案是合适的。如果它是固定宽度，另一个是合适的。如果它实际上像您的问题现在显示的那样有逗号，那么一种完全不同的方法将起作用。毫不奇怪，在处理数据时，精确的数据格式很重要。
Karan：只需在文本编辑器中打开 csv 文件，然后将其复制并粘贴到您的问题中。还要具体说明发生的错误。
@martineau 知道了！我从来不知道如何像这样将 csv 数据放在 SO 上，我的错，我没有正确阅读规则。我现在已经编辑了。 :)

标签： python python-3.x csv

【解决方案1】：

基本思想是将 IP 地址字符串及其空格拆分成一个包含 IP 地址列表/数组的列表。然后将其分解为长格式，而每个组合（值）都表示为一行。我通过使用 Pandas DataFrame 及其 groupby 函数和自定义 apply 函数一步完成了这一点。对于您的问题，此代码有效：

import pandas as pd

columns = ['Name', 'Location', 'IP Address']

data = [
    ['Router', 'China', '10.10.10.1    10.10.10.2     10.10.10.3'],
    ['Switch', 'USA', '192.168.1.1   192.168.1.2     192.168.1.3']
]

#df = pd.read_csv(your_file_name)
df = pd.DataFrame(data, columns=columns)

def extract_ip_addresses(df_group):
    row = df_group.iloc[0]
    name = row['Name']
    location = row['Location']
    grouped_data = [[name, location, ip] for ip in row['IP Address'].split()]
    return pd.DataFrame(grouped_data, columns=columns)

df.groupby(['Name', 'Location'], group_keys=False).apply(extract_ip_addresses).reset_index(drop=True)

这会产生这个结果：

    Name    Location    IP Address
0   Router  China   10.10.10.1
1   Router  China   10.10.10.2
2   Router  China   10.10.10.3
3   Switch  USA     192.168.1.1
4   Switch  USA     192.168.1.2
5   Switch  USA     192.168.1.3

在您的情况下，您可以通过pd.read_csv(your_file_name) 读取初始数据。

这里有一些详细的例子：

更多详情请参考Pandas documentation。

【讨论】：

我从未使用过 pandas，而且我在这里的代码中使用了一个函数，所以我不太确定如果我使用 Pandas 我的迭代会如何。但是，我一定会试试这个。谢谢！
您可以将自定义代码添加到提取函数中。但我确实明白，去 Pandas 是一个更大的步骤。对于您的情况，其他答案更简单、更合适。

【解决方案2】：

我假设这些字段确实由逗号分隔，没有空格填充，并且 IP 地址由多个空格分隔。然后这将起作用：

RE_SEPARATOR = re.compile(' +')
with open(path) as f:
    for row in csv.DictReader(f):
        addresses = RE_SEPARATOR.split(row["IP Address"])
        for address in addresses:
            print(row["Name"], row["Location"], address)

您必须调整 print 函数调用，以便它提供您需要的输出格式（根据您的描述，这并不完全清楚）。

如果您想删除重复的地址，请改用：

        addresses = set(RE_SEPARATOR.split(row["IP Address"]))

这不会保留保留顺序。在 Python 3.7（以及非官方的 3.6）中，您可以使用 dict 来保留排序：

        addresses = dict.fromkeys(RE_SEPARATOR.split(row["IP Address"]))

【讨论】：

感谢您理解我的问题并给出答案，尽管问题似乎含糊不清。这工作得很好！
如果有重复的 IP 地址并且我想跳过这些迭代，那么我应该这样做：for address in addresses: if address == addresses: continue print(row["Name"], row["Location"], address)
我添加了一些关于抑制重复的内容。
是的！我使用了addresses = dict.fromkeys(RE_SEPARATOR.split(row["IP Address"]))，这确实删除了多余的 IP 地址。谢谢！如果无论位置或名称如何，我都必须删除多余的 IP 地址？