Отделите имя поля и значение от длинной строки в python
У меня есть пользовательские данные python, подобные этому:
(item_id[s]-b2tc34x;item_name[s]-лопасть вентилятора;item_price[i]-2450)(item_id[s]-b3td42h;item_name[s]-кабель вентилятора)
примечание:
- круглые скобки () используются для обозначения каждого элемента.
- точки с запятой, т. е. ;, используемые для разделения каждого поля в элементе.
- тире, т. е. -, будут связывать имена полей и значения полей.
- поле с пустым значением будет помечено как "NAN"
и результат должен быть таким:
item_id,item_name,item_price
b2tc34x, лопасть вентилятора, 2450
b3td42h, кабель вентилятора, NAN
Как я могу решить эту проблему? Я пробовал использовать split(), но результат не такой, как ожидалось. А также как я могу назначить тип данных для каждого заголовка, если за данным образцом следует тип данных внутри скобки (строка [s], целое число [i]). пожалуйста помоги. заранее спасибо.
Ответы 2
На высоком уровне я бы сделал следующее:
- используйте регулярное выражение, чтобы различать каждый «элемент» (посмотрите на модуль ре, особенно на функцию
findall). Подсказка: ваше регулярное выражение должно выглядеть примерно так:(.*) - Затем для каждой «строки элемента» разделите эту строку, используя
;в качестве разделителя, чтобы получить свойства элемента. - Разделите каждую из этих строк свойств с помощью
-.
В псевдокоде:
all_items = do_regex_matching_on_input_string()
for item in all_items:
item_property_pairs_strings = split item string using ;
for property_pair_str in item_property_pairs:
current_property_pair = split property_pair_str using -
item_prop_name = first component of current_property_pair
item_prop_value = second component of current_property_pair
Код ниже должен работать, если ваши данные достаточно чисты. Логика заключается в том, чтобы сначала разбить входную строку на элементы, а затем использовать словарь для очистки данных для каждого элемента отдельно. Если есть какие-либо элементы, сведения о которых разбиты на несколько строк, вы можете просто соединить строки в длинную строку и ввести ее непосредственно в нижеприведенную строку.
import re
import numpy as np
import pandas as pd
str_input = '(item_id-b2tc34x;item_name-Fan Blade;item_price-2450)(item_id-b3td42h;item_name-Fan Cable)'
split_items_data = re.split(r'\(|\)',str_input)
split_items_data = [i.strip() for i in split_items_data if len(i) > 0]
def str2item(item_str):
item_str = re.split(r';|-', item_str)
item_str = [i.strip() for i in item_str if len(i) > 0]
item_details = {}
for field_name, field_value in zip(item_str[::2], item_str[1::2]):
item_details[field_name] = field_value
for field_name in ['item_id', 'item_name', 'item_price']:
if field_name not in item_details:
item_details[field_name] = np.nan
return item_details
df = pd.DataFrame([str2item(i) for i in split_items_data])
@Relawan KGR В будущем предлагаю вам начать новый вопрос для дальнейшего использования вместо того, чтобы комментировать существующие вопросы. Поскольку последняя строка создает фрейм данных, вы можете напрямую преобразовать каждый столбец, например, df['item_id'] = df['item_id'].astype(str). Кстати, также кажется несколько странным, что цены могут быть только целыми числами.
большое спасибо, это сработало для меня. но еще один вопрос: если за таким форматом следует тип данных внутри скобки [], как я могу назначить тип данных для каждого заголовка. [s] строка, [i] целое число. (item_id[s]-b2tc34x;item_name[s]-Лезвие вентилятора;item_price[i]-2450)(item_id[s]-b3td42h;item_name[s]-Fan Cable)