python - Pandas 合并 300 个数据帧

Question

这段代码的目的是

1. 通过 Pandas 和 Beautiful Soup 抓取 300 个表
2. 将这些表连接成一个数据框该代码在第一步中运行良好。但它在第二个不起作用。

代码如下:

import pandas as pd
from urllib.request import urlopen, Request
from bs4 import BeautifulSoup


header = {"User-Agent": "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/50.0.2661.75 " "Safari/537.36", "X-Requested-With": "XMLHttpRequest"}
url = open(r"C:\Users\Sayed\Desktop\script\links.txt").readlines()

for site in url:
    req = Request(site, headers=header)
    page = urlopen(req)
    soup = BeautifulSoup(page, 'lxml')

    table = soup.find('table')
    df = pd.read_html(str(table), parse_dates={'DateTime': ['Release Date', 'Time']}, index_col=[0])[0]
    df = pd.concat(df, axis=1, join='outer').sort_index(ascending=False)
    print(df)

这里是错误:

追溯(最近的调用最后):

文件“D:/Projects/Tutorial/try.py”，第 18 行，在

df = pd.concat(df, axis=1, join='outer').sort_index(ascending=False)

文件“C:\Users\Sayed\Anaconda3\lib\site-packages\pandas\core\reshape\concat.py”，第 225 行，concat 复制=复制，排序=排序)

文件“C:\Users\Sayed\Anaconda3\lib\site-packages\pandas\core\reshape\concat.py”，第 241 行，在 init

'"{name}"'.format(name=type(objs).__name__))

TypeError: 第一个参数必须是 pandas 对象的可迭代对象，你传递了一个类型为“DataFrame”的对象

Answer 1

Pandas concat 函数将 Series、DataFrame 或 Panel 对象的序列或映射作为第一个参数。您的代码当前正在传递单个 DataFrame。

我怀疑以下方法可以解决您的问题:

import pandas as pd
from urllib.request import urlopen, Request
from bs4 import BeautifulSoup


header = {"User-Agent": "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/50.0.2661.75 " "Safari/537.36", "X-Requested-With": "XMLHttpRequest"}
url = open(r"C:\Users\Sayed\Desktop\script\links.txt").readlines()

dfs = []

for site in url:
    req = Request(site, headers=header)
    page = urlopen(req)
    soup = BeautifulSoup(page, 'lxml')

    table = soup.find('table')
    df = pd.read_html(str(table), parse_dates={'DateTime': ['Release Date', 'Time']}, index_col=[0])[0]
    dataframes.append(df)

concat_df = pd.concat(dfs, axis=1, join='outer').sort_index(ascending=False)
print(df)

我所做的只是创建一个名为 dfs 的列表，作为在您遍历站点时附加数据帧的位置。然后 dfs 作为参数传递给 concat。