我有以下 txt 檔案，我在下面給出了幾行。我想使用具有三列的熊貓制作一個資料框。第一列標題為“Unique_id$”，給出 00001、00002 等，第二列標題為“標簽”，第三列標題為“doc_id”。
我運行了以下熊貓命令
df_text = pd.read_csv('trainset.txt', names = ['Unique_id','Lables', 'doc_id'],delim_whitespace=True)
輸出如下
Unique_id Labels doc_id
1 C 9149180 3781329.0
2 B 4396080 9207819.0
3 B 1519858 11734712.0
4 A 15547167 NaN
5 C 11392916 NaN
因此標簽發生了變化，它將元素表示一堆檔案 id 的最后一列視為單獨的列。我該如何糾正這個問題？制作最后一列，其中每個元素都是檔案 ID 串列？
txt 檔案如下所示。
txt檔案
00001 C 9149180 3781329
00002 B 4396080 9207819 9757979 344087 361152 2099731
00003 B 1519858 11734712
00004 A 15547167
00005 C 11392916
00006 A 8942774 8942775 8036464 7497161
00007 A 15547167
00008 C 12913777
uj5u.com熱心網友回復：
如果我理解正確，您希望最后一個數字作為值是串列的一列：
with open("your_file.txt", "r") as f_in:
df_text = pd.DataFrame(f_in)
df_text["Unique_id"] = df_text[0].str.split().str[0]
df_text["Labels"] = df_text[0].str.split().str[1]
df_text["doc_id"] = df_text[0].apply(lambda x: x.split()[2:])
df_text = df_text.drop(columns=0)
print(df_text)
印刷：
Unique_id Labels doc_id
0 00001 C [9149180, 3781329]
1 00002 B [4396080, 9207819, 9757979, 344087, 361152, 2099731]
2 00003 B [1519858, 11734712]
3 00004 A [15547167]
4 00005 C [11392916]
5 00006 A [8942774, 8942775, 8036464, 7497161]
6 00007 A [15547167]
7 00008 C [12913777]
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/476127.html
上一篇：gradlewrapper在Macm1上報告x86-64架構而不是arm-v8架構
下一篇：對許多檔案使用多處理的最佳方式