Python pandas 两列索引和区域。该地区有州，其下有城镇。我需要一个显示相应状态的新列

Question

def get_list_of_university_towns():
with open('university_towns.txt', 'r') as f:
data = (line.rstrip() for line in f)
lines = list(line for line in data if line)
thing = [lines]     

indexx = [lines.index(line) for line in lines if '[edit]' in line]
numlist = [indexx]
wow = pd.DataFrame(thing)
tr = wow.T
tr.columns=['Region']

当我返回代码时，它返回:

"""    Region
0   Alabama[edit]
1   Auburn (Auburn University)[1]
2   Florence (University of North Alabama)
3   Jacksonville (Jacksonville State University)[2]
4   Livingston (University of West Alabama)[2]
5   Montevallo (University of Montevallo)[2]
6   Troy (Troy University)[2]
7   Tuscaloosa (University of Alabama, Stillman Co...
8   Tuskegee (Tuskegee University)[5]
9   Alaska[edit]
10  Fairbanks (University of Alaska Fairbanks)[2]
11  Arizona[edit]
12  Flagstaff (Northern Arizona University)[6]
13  Tempe (Arizona State University)
14  Tucson (University of Arizona)
15  Arkansas[edit]
16  Arkadelphia (Henderson State University, Ouach...

如何获取它，以便我可以创建一个名为“州”的新列，该列将州名称附加到州的相应索引？索引部分的作用是将相应的索引返回到所有状态。我本质上希望它返回:

    Region    State
1   Auburn    Alabama
2   Florence  Alabama    etc..

Answer 1

您应该能够迭代这些行，并使用 if-else 来确定该行是一个州还是一个地区。这些州似乎都包含 [edit] 标记，因此任何带有该标记的行都必须是一个州，否则它就是一个地区。

要创建数据框本身，我们可以创建一个元组列表，第一个元素是状态，第二个元素是区域(在适当清理文本后)。然后将列表传递给 pandas，它会优雅地将其转换为数据帧。

一个潜在的解决方案(虽然我不确定你的文本文件到底是什么样子):

data = []
for line in lines:
    if '[edit]' in line:
        state = line.replace('[edit]', '')
    else:
        region = line.split(' (')[0]
        data.append((state, region))
df = pd.DataFrame(data, columns=['state', 'region'])