- 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?
我正在尝试使用 pandas read_html
将抓取的 HTML 表格转换为 python 中的数据框。问题是 read_html
不间断地引入了我的数据列,这使得这些单元格的内容难以解析。在原始 HTML 中,列中的每个“单词”都由一个分隔符分隔。有没有办法在转换为数据框时保持这种格式或以其他方式保持“单词”分开?
import requests
from bs4 import BeautifulSoup
import pandas as pd
url="https://www.who.int/en/activities/tracking-SARS-CoV-2-variants/"
html_content = requests.get(url).text
# Parse the html content
soup = BeautifulSoup(html_content, "lxml")
voc_html = soup.find("table")
#convert to dataframe
voc_df = pd.read_html(str(voc_html))[0]
#retain list of variants
voc_list=voc_df['Pango lineages']
来自 voc_list
的示例,其中单独的项目被混在一起:voc_list[1]
`B.1.351\xa0B.1.351.2B.1.351.3`
我希望它看起来像什么:B.1.3510 B.1.351.2 B.1.351.3
(或者每个项目都在自己的行中)
原始 html 版本的摘录,包括中断:
<td style="width:13%;background-color:#69d4ef;text-align:left;vertical-align:middle;">Beta <br/></td><td style="width:12.9865%;background-color:#69d4ef;text-align:left;"><p>B.1.351 <br/>B.1.351.2<br/>B.1.351.3</p></td>
感谢您的指导!
最佳答案
也许……
import pandas as pd
import requests
url = r'https://www.who.int/en/activities/tracking-SARS-CoV-2-variants/'
page = requests.get(url)
table = pd.read_html(page.text.replace('<br />',' '))
df = table[0]
输出:
WHO label Pango lineages GISAID clade Nextstrain clade \
0 Alpha B.1.1.7 GRY 20I (V1)
1 Beta B.1.351 B.1.351.2 B.1.351.3 GH/501Y.V2 20H (V2)
2 Gamma P.1 P.1.1 P.1.2 GR/501Y.V3 20J (V3)
3 Delta B.1.617.2 AY.1 AY.2 G/478K.V1 21A
Additional amino acid changes monitored* Earliest documented samples \
0 +S:484K +S:452R United Kingdom, Sep-2020
1 +S:L18F South Africa, May-2020
2 +S:681H Brazil, Nov-2020
3 +S:417N India, Oct-2020
Date of designation
0 18-Dec-2020
1 18-Dec-2020
2 11-Jan-2021
3 VOI: 4-Apr-2021 VOC: 11-May-2021
print(df)
同样,您可以替换 <br />
与 \n
.
关于python - 从 html 表制作数据框时,可以在 pandas read_html 中保留换行符吗?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/68384568/
pandas.crosstab 和 Pandas 数据透视表似乎都提供了完全相同的功能。有什么不同吗? 最佳答案 pivot_table没有 normalize争论,不幸的是。 在 crosstab
我能找到的最接近的答案似乎太复杂:How I can create an interval column in pandas? 如果我有一个如下所示的 pandas 数据框: +-------+ |
这是我用来将某一行的一列值移动到同一行的另一列的当前代码: #Move 2014/15 column ValB to column ValA df.loc[(df.Survey_year == 201
我有一个以下格式的 Pandas 数据框: df = pd.DataFrame({'a' : [0,1,2,3,4,5,6], 'b' : [-0.5, 0.0, 1.0, 1.2, 1.4,
所以我有这两个数据框,我想得到一个新的数据框,它由两个数据框的行的克罗内克积组成。正确的做法是什么? 举个例子:数据框1 c1 c2 0 10 100 1 11 110 2 12
TL;DR:在 pandas 中,如何绘制条形图以使其 x 轴刻度标签看起来像折线图? 我制作了一个间隔均匀的时间序列(每天一个项目),并且可以像这样很好地绘制它: intensity[350:450
我有以下两个时间列,“Time1”和“Time2”。我必须计算 Pandas 中的“差异”列,即 (Time2-Time1): Time1 Time2
从这个 df 去的正确方法是什么: >>> df=pd.DataFrame({'a':['jeff','bob','jill'], 'b':['bob','jeff','mike']}) >>> df
我想按周从 Pandas 框架中的列中累积计算唯一值。例如,假设我有这样的数据: df = pd.DataFrame({'user_id':[1,1,1,2,2,2],'week':[1,1,2,1,
数据透视表的表示形式看起来不像我在寻找的东西,更具体地说,结果行的顺序。 我不知道如何以正确的方式进行更改。 df示例: test_df = pd.DataFrame({'name':['name_1
我有一个数据框,如下所示。 Category Actual Predicted 1 1 1 1 0
我有一个 df,如下所示。 df: ID open_date limit 1 2020-06-03 100 1 2020-06-23 500
我有一个 df ,其中包含与唯一值关联的各种字符串。对于这些唯一值,我想删除不等于单独列表的行,最后一行除外。 下面使用 Label 中的各种字符串值与 Item 相关联.所以对于每个唯一的 Item
考虑以下具有相同名称的列的数据框(显然,这确实发生了,目前我有一个像这样的数据集!:() >>> df = pd.DataFrame({"a":range(10,15),"b":range(5,10)
我在 Pandas 中有一个 DF,它看起来像: Letters Numbers A 1 A 3 A 2 A 1 B 1 B 2
如何减去两列之间的时间并将其转换为分钟 Date Time Ordered Time Delivered 0 1/11/19 9:25:00 am 10:58:00 am
我试图理解 pandas 中的下/上百分位数计算,但有点困惑。这是它的示例代码和输出。 test = pd.Series([7, 15, 36, 39, 40, 41]) test.describe(
我有一个多索引数据框,如下所示: TQ bought HT Detailed Instru
我需要从包含值“低”,“中”或“高”的数据框列创建直方图。当我尝试执行通常的df.column.hist()时,出现以下错误。 ex3.Severity.value_counts() Out[85]:
我试图根据另一列的长度对一列进行子串,但结果集是 NaN .我究竟做错了什么? import pandas as pd df = pd.DataFrame([['abcdefghi','xyz'],
我是一名优秀的程序员,十分优秀!