从原始字符串创建Pandas DataFrame

Question

我有一个字符串，看起来像这样：

a1\tb1\tc1\na2\tb2\tc2\na3\tb3\tc3\n...

有一种高效而智能的方法将这种字符串转换为Pandas DataFrame吗？StringIO似乎不适合这种方法。

提前感谢！

- P. Solar

---

“StringIO似乎不适合这种方法。” - 你为什么这样认为？ - MaxU - stand with Ukraine

Answer 1

StringIO可以完美地工作。

import io

string = 'a1\tb1\tc1\na2\tb2\tc2\na3\tb3\tc3'
pd.read_csv(io.StringIO(string), delim_whitespace=True, header=None)

    0   1   2
0  a1  b1  c1
1  a2  b2  c2
2  a3  b3  c3

您也可以使用pd.read_table或pd.read_fwf以相同的方式:

pd.read_table(io.StringIO(string), header=None)

或者，

pd.read_fwf(io.StringIO(string), header=None)

    0   1   2
0  a1  b1  c1
1  a2  b2  c2
2  a3  b3  c3

在这两个例子中，我们假设空格是自然的分隔符。但是，在数据中，您的原始字符串必须保持一致的结构。

---

最后，您还可以使用字符串分割的方法，首先按换行符进行分割，然后再按制表符进行分割：

pd.DataFrame(list(map(str.split, string.splitlines())))

    0   1   2
0  a1  b1  c1
1  a2  b2  c2
2  a3  b3  c3

- cs95

---

非常感谢您的帮助。问题在于我没有编写Unicode转换和delim_whitespace。顺便问一下，您认为哪种方法更有效和快速：分割方法还是read_csv？谢谢！ - P. Solar

@P.Solar StringIO 模拟 IO，因此我认为它比字符串分割要慢得多。我建议在您的数据上计时。如果您的值/单元格中也有空格，则无法使用字符串分割。 - cs95

非常感谢您！！ - P. Solar

Answer 2

Python 2.7

您只需要指定分隔符为 sep='\t' 并将字符串转换为Unicode格式以避免错误:

 pd.read_csv(io.StringIO(u'a1\tb1\tc1\na2\tb2\tc2\na3\tb3\tc3'), 
             sep="\t", header=None)
    0   1   2
0  a1  b1  c1
1  a2  b2  c2
2  a3  b3  c3

- Mabel Villalba

---

当你从某些外部来源接收数据时，“将字符串转换为Unicode”并不总是那么容易。在这种情况下可能不是问题。 - cs95

如果不是Unicode，我会得到这个错误：TypeError: initial_value must be unicode or None, not str。 - Mabel Villalba

你在使用Python2吗？ :) - cs95

你说得对，我在Jupyter上运行的是Python3，但现在我在iPython终端上。结果发现内核是Python2.7。谢谢你指出来。 - Mabel Villalba

事实上，我正在使用字符串作为SamTools执行的结果。在这种情况下，pd.read_csv(io.StringIO(unicode(results, 'utf-8')), delim_whitespace=True)将起作用。 - P. Solar