- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我是 Pandas 新手。我必须创建一个数据框,其中一列是“来源”,第二列是“金额”。
创建了一个新的数据框
df=[]
现在我如何向此数据框添加“来源”和“金额”列。最终结果是
打印(df)
Source Amount
S1 10
S2 12
S3 8
S4 5
数据将来自 for 循环。每次迭代都会生成源,然后生成金额。我想创建一个像 -
的数据框df=[]
for str in some_variable:
df['Source'].append(str[0]) #str[0] will contain source elements
df['Amount'].append(str[1]) #str[1] will contain amount elements
代码 -
import requests
import pandas as pd
import bs4
import string
import matplotlib.pyplot as plt
url = "https://www.revisor.mn.gov/laws/?year=2014&type=0&doctype=Chapter&id=294"
result = requests.get(url)
soup = bs4.BeautifulSoup(result.content)
summary = soup.find("div", {"class":"bill_section","id": "laws.1.1.0"})
tables = summary.findAll('table')
data_table = tables[1]
df=pd.DataFrame(['Source','Amount']) #Trying to incorrectly add columns to df
for row in data_table.findAll("tr"):
cells = row.findAll("td")
try :
for char in cells[0].findAll("ins"):
df['Source'] = df['Source'].append() #This is where the issue is
for char in cells[2].findAll("ins"):
df['Amount'] = df['Amount'].append() #And here
except:
pass
最佳答案
我认为你可以使用read_html
与 replace
, str.strip
, str.replace
最后to_numeric
:
import pandas as pd
import matplotlib.pyplot as plt
url = "https://www.revisor.mn.gov/laws/?year=2014&type=0&doctype=Chapter&id=294"
#read second table in url
df = pd.read_html(url)[1]
#replace texts to empty string
df = df.replace('new text begin','', regex=True).replace('new text end','', regex=True)
#set new columns names
df.columns = ['Source','b','Amount']
#remove first row
df = df[1:]
#remove second column b
df = df.drop('b', axis=1)
#strip whitespaces
df.Source = df.Source.str.strip()
#strip whitespaces and remove (),
df.Amount = df.Amount.str.strip().str.replace(r'[(),]','')
#convert column Amount to numeric
df.Amount = pd.to_numeric(df.Amount)
#reset index
df = df.reset_index(drop=True)
print df
Source Amount
0 University of Minnesota 119367000
1 Minnesota State Colleges and Universities 159812000
2 Education 7491000
3 Minnesota State Academies 11354000
4 Perpich Center for Arts Education 2000000
5 Natural Resources 63480000
6 Pollution Control Agency 2625000
7 Board of Water and Soil Resources 8000000
8 Agriculture 203000
9 Zoological Garden 12000000
10 Administration 127000000
11 Minnesota Amateur Sports Commission 7973000
12 Military Affairs 3244000
13 Public Safety 4030000
14 Transportation 57263000
15 Metropolitan Council 45968000
16 Human Services 86387000
17 Veterans Affairs 2800000
18 Corrections 11881000
19 Employment and Economic Development 92130000
20 Public Facilities Authority 45993000
21 Housing Finance Agency 20000000
22 Minnesota Historical Society 12002000
23 Bond Sale Expenses 900000
24 Cancellations 10849000
25 TOTAL 893054000
26 Bond Proceeds Fund (General Fund Debt Service) 814745000
27 Bond Proceeds Fund (User Financed Debt Service) 39104000
28 State Transportation Fund 36613000
29 Maximum Effort School Loan Fund 5491000
30 Trunk Highway Fund 7950000
31 Bond Proceeds Cancellations 10849000
print df.dtypes
Source object
Amount int64
dtype: object
但是,如果您需要使用 BeautifulSoup
解析数据的解决方案,首先将 Source
和 Amount 添加数据,然后创建 DataFrame
:
import requests
import pandas as pd
import bs4
import string
import matplotlib.pyplot as plt
url = "https://www.revisor.mn.gov/laws/?year=2014&type=0&doctype=Chapter&id=294"
result = requests.get(url)
soup = bs4.BeautifulSoup(result.content)
summary = soup.find("div", {"class":"bill_section","id": "laws.1.1.0"})
tables = summary.findAll('table')
data_table = tables[1]
Source, Amount = [], []
for row in data_table.findAll("tr"):
cells = row.findAll("td")
try :
for char in cells[0].findAll("ins"):
Source.append(char.text) #This is where the issue is
for char in cells[2].findAll("ins"):
Amount.append(char.text) #And here
except:
pass
print Source
[u'SUMMARY', u'University of Minnesota', u'Minnesota State Colleges and Universities', u'Education', u'Minnesota State Academies', u'Perpich Center for Arts Education', u'Natural Resources', u'Pollution Control Agency', u'Board of Water and Soil Resources', u'Agriculture', u'Zoological Garden', u'Administration', u'Minnesota Amateur Sports Commission', u'Military Affairs', u'Public Safety', u'Transportation', u'Metropolitan Council', u'Human Services', u'Veterans Affairs', u'Corrections', u'Employment and Economic Development', u'Public Facilities Authority', u'Housing Finance Agency', u'Minnesota Historical Society', u'Bond Sale Expenses', u'Cancellations', u'TOTAL', u'Bond Proceeds Fund (General Fund Debt Service)', u'Bond Proceeds Fund (User Financed Debt Service)', u'State Transportation Fund', u'Maximum Effort School Loan Fund', u'Trunk Highway Fund', u'Bond Proceeds Cancellations']
print Amount
[u'119,367,000', u'159,812,000', u'7,491,000', u'11,354,000', u'2,000,000', u'63,480,000', u'2,625,000', u'8,000,000', u'203,000', u'12,000,000', u'127,000,000', u'7,973,000', u'3,244,000', u'4,030,000', u'57,263,000', u'45,968,000', u'86,387,000', u'2,800,000', u'11,881,000', u'92,130,000', u'45,993,000', u'20,000,000', u'12,002,000', u'900,000', u'(10,849,000)', u'893,054,000', u'814,745,000', u'39,104,000', u'36,613,000', u'5,491,000', u'7,950,000', u'(10,849,000)']
print len(Source)
#33
print len(Amount)
#32
#remove first element
Source = Source[1:]
df=pd.DataFrame({'Source':Source,'Amount':Amount}, columns=['Source','Amount'])
print df
Source Amount
0 University of Minnesota 119,367,000
1 Minnesota State Colleges and Universities 159,812,000
2 Education 7,491,000
3 Minnesota State Academies 11,354,000
4 Perpich Center for Arts Education 2,000,000
5 Natural Resources 63,480,000
6 Pollution Control Agency 2,625,000
7 Board of Water and Soil Resources 8,000,000
8 Agriculture 203,000
9 Zoological Garden 12,000,000
10 Administration 127,000,000
11 Minnesota Amateur Sports Commission 7,973,000
12 Military Affairs 3,244,000
13 Public Safety 4,030,000
14 Transportation 57,263,000
15 Metropolitan Council 45,968,000
16 Human Services 86,387,000
17 Veterans Affairs 2,800,000
18 Corrections 11,881,000
19 Employment and Economic Development 92,130,000
20 Public Facilities Authority 45,993,000
21 Housing Finance Agency 20,000,000
22 Minnesota Historical Society 12,002,000
23 Bond Sale Expenses 900,000
24 Cancellations (10,849,000)
25 TOTAL 893,054,000
26 Bond Proceeds Fund (General Fund Debt Service) 814,745,000
27 Bond Proceeds Fund (User Financed Debt Service) 39,104,000
28 State Transportation Fund 36,613,000
29 Maximum Effort School Loan Fund 5,491,000
30 Trunk Highway Fund 7,950,000
31 Bond Proceeds Cancellations (10,849,000)
关于Python 3.x - 创建数据框并指定列名称,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/36822755/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!