我用pandas使用pd.read_excel將xls文件讀入

Python

我正在努力清理我的數據,但我已經離開了我的聯盟.

每條記錄之間都有一個空行.在示例pic中,它優于第4,9和11行.

有一個注釋列,在示例中指定(請參閱鏈接)為“col_F”.每條記錄至少有一個包含文本的單元格.創建此xls文件的人將更長的注釋拆分為多個單元格.

我想將col_F中用于特定記錄的所有數據連接到一個單元格中.

一旦我弄清楚如何正確連接col_F,我也會刪除空白記錄.

我使用的是Python 3.5.0版本,numpy 1.12.0和pandas 0.19.2

這是我到目前為止：

import numpy as np

import pandas as pd

data = pd.read_excel("C:/blah/blahblah/file.xls", header=0, nrows=10000)

df = pd.DataFrame(data)

我感謝任何建議或見解!!

謝謝！

原始數據的外觀如何：

更新：

這是我加載到Python時數據的外觀

這就是我期望的結果：

最佳答案 這是我在@Boud在評論中解釋的原始解決方案.我首先在這里創建示例數據：

df = pd.DataFrame([

['record1', '10', 'date1', 'optional', 'comment'],

['', '', '', '', 'comment continued'],

['', '', '', '', ''],

['record2', '100', 'date2', '', 'comment'],

['', '', '', '', 'comment continued'],

['', '', '', '', 'comment continued'],

['', '', '', '', 'comment continued'],

['', '', '', '', ''],

['record3', '10000', 'date3', '', 'comment']],

columns=['col_A', 'col_B', 'col_C', 'col_D', 'col_F'])

df.replace('', np.nan, regex=True, inplace=True)

請注意,此處的空白應填充NaN而不是空格.基本上,首先,您可以使用dropna刪除不首先使用的行.

df.dropna(axis=0, how='all', inplace=True) # drop NaN by row

然后,您可以通過以前的記錄填寫col_A.

new_col = []

row_name = ''

for r in df.col_A:

if not pd.isnull(r):

row_name = r

new_col.append(row_name)

df.col_A = new_col

之后,您可以通過將groupby函數應用于A列來對其他列進行分組,并通過連接字符串來聚合其他列,如下所示.

gr = df.groupby('col_A')

def join_str(x):

x = list(map(str, x))

x = [e for e in x if str(e) != 'nan']

return ' '.join(x)

gr.agg({'col_B' : join_str,

'col_C': join_str,

'col_D': join_str,

'col_F': join_str}).reset_index()

總結

以上是生活随笔為你收集整理的python快速整理excel_使用pandas包用python清理excel数据的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。