python - 在 Python 3 中使用 Pandas 解析 CSV 文件

Question

我正在尝试使用 Python 3 解析电影数据库。如何用不同的变量解析电影的类型？例如:

1,Toy Story (1995),Adventure|Animation|Children|Comedy|Fantasy
2,Jumanji (1995),Adventure|Children|Fantasy

第一个值是 movie_id，第二个值是 movie_name，第三个值是流派，但我想将它们解析为属于相应电影的单独变量。换句话说，我希望数据库的第二个分隔符为“|”。我怎样才能实现这个目标？这是我的代码:

import numpy as np
import pandas as pd
header = ["movie_id", "title", "genres"]
movie_db = pd.read_csv("movielens/movies.csv", sep=",", names=header)

Answer 1

您可以使用分隔符,|，但第一行必须包含所有可能的流派:

df = pd.read_csv("movielens/movies.csv", sep="[,|]", header=None, engine='python')
print (df)
   0                 1          2          3         4       5        6
0  1  Toy Story (1995)  Adventure  Animation  Children  Comedy  Fantasy
1  2    Jumanji (1995)  Adventure   Children   Fantasy    None     None

但是这里最好按类别创建新列，如果 get_dummies 行中存在类别，则设置为 1并通过 join 添加到原始列:

movie_db = pd.read_csv("movielens/movies.csv", sep=",", names=header)

df =  movie_db.join(movie_db.pop('genres').str.get_dummies())
print (df)
   movie_id             title  Adventure  Animation  Children  Comedy  Fantasy
0         1  Toy Story (1995)          1          1         1       1        1
1         2    Jumanji (1995)          1          0         1       0        1

但是如果可以需要列，请使用 split通过|:

df = movie_db.join(movie_db.pop('genres').str.split('|', expand=True))
print (df)
   movie_id             title          0          1         2       3        4
0         1  Toy Story (1995)  Adventure  Animation  Children  Comedy  Fantasy
1         2    Jumanji (1995)  Adventure   Children   Fantasy    None     None