我正在嘗試處理成人資料集，可在此鏈接上找到。
目前我被困住了，因為我能夠抓取的資料是我不完全了解的格式。因此，下載檔案后，我無法正確獲取帶有下載檔案的 pandas 資料框。
我可以使用以下鏈接從 UCI 下載 3 個檔案：
data = 'https://archive.ics.uci.edu/ml/machine-learning-databases/adult/adult.data'
names = 'https://archive.ics.uci.edu/ml/machine-learning-databases/adult/adult.names'
test = 'https://archive.ics.uci.edu/ml/machine-learning-databases/adult/adult.test'
它們分別是格式.data，.names和.test。我一直使用.csv格式，因此我對這些有點困惑。
如何獲得帶有訓練資料（= 資料 名稱）的 pandas 資料框和帶有測驗資料（= 測驗 名稱）的 pandas 資料框？
此代碼將無法完全作業：
train_df = pd.read_csv(r'./adult.data', header=None)
train_df.head() # WORKING (without column names)
df_names = df = pd.read_csv(r'./adult.names')
df_names.head() # ERROR
test_df = pd.read_csv(r'./adult.test')
test_df.head() # ERROR
uj5u.com熱心網友回復：
采用：
import pandas as pd
import re
# adult.names
with open('adult.names') as fp:
cols = []
for line in fp:
sre = re.match(r'(?P<colname>[a-z\-] ):.*\.', line)
if sre:
cols.append(sre.group('colname'))
cols.append('label')
# Python > 3.8, walrus operator
# with open('adult.names') as fp:
# cols = [sre.group('colname') for line in fp
# if (sre := re.match(r'(?P<colname>[a-z\-] ):.*\.', line))]
# cols.append('label')
options = {'header': None, 'names': cols, 'skipinitialspace': True}
# adult.data
train_df = pd.read_csv('adult.data', **options)
# adult.test
test_df = pd.read_csv('adult.test', skiprows=1, **options)
test_df['label'] = test_df['label'].str.rstrip('.')
uj5u.com熱心網友回復：
您可以像這樣使用 pandas 來實作這一點：
import pandas as pd
# reading csv files
data = pd.read_csv('adult.data', sep=",")
print(data)
names = pd.read_csv('adult.names', sep="\t")
print(names)
test = pd.read_csv('adult.test', sep="\t")
print(test)
轉載請註明出處，本文鏈接：https://www.uj5u.com/caozuo/444471.html