Py3 Pandas read_csv 将项目插入到字典中

Question

我正在尝试做一些简单的事情，但不知道如何从数据框中读取实际行。我想在每个字符串上运行一些正则表达式。

.csv 文件没有标题，它只是一列充满一堆字符串的内容。

csv_data = pd.read_csv('list.csv', sep=',', header=None)

pattern = re.compile(r'(.*\/)(?!\/)(.*)', flags=re.DOTALL)

url_file = {

        pattern.findall(row)[0]:

        pattern.findall(row)[1]

        for index, row in csv_data.iterrows()

    }

但我只是得到

类型错误：预期的字符串或类似字节的对象

编辑 1

我不认为这是重复的，另一个建议的 SO 问题/解决方案是不同的上下文，并且有标题和多列。

编辑 2

打印（csv_data.dtypes）

0    object

dtype: object

打印（csv_data.head（））

0  https://...

1  https://...

2  https://...

3  https://...

4  https://...

编辑 3

这样做：

for row in csv_data.iterrows():

    print(row.dtypes)

给出了错误 AttributeError: 'tuple' object has no attribute 'dtypes'

因此，内容似乎是元组，因此只需要弄清楚如何从中取出字符串即可。

Answer 1

主要编辑。您是对的：Yoshitha 的解决方案并不理想，因为您特别想要该正则表达式匹配中的两个元素。然而，Pandas 确实有一个很好的正则表达式处理解决方案来帮助你。像这样的东西要整洁得多：matches = csv_data.iloc[:,0].str.extract(r'(.*\/)(?!\/)(.*)', expand=True)然后为了得到你的字典表示，我们可以运行： matches.set_index(0, drop=True).to_dict()[1]如果输入中的 url 字符串与此正则表达式完全匹配，这可能仍然存在问题。简单的例子：l = ['https://example.s3.amazonaws.com/uploads/full/68518-5df5b5e5t5b.jpg', 'test_with_bad_url']matches = pd.DataFrame(l).iloc[:,0].str.extract(r'(.*\/)(?!\/)(.*)', expand=True)your_dict = matches.set_index(0, drop=True).to_dict()[1]print(your_dict){'https://example.s3.amazonaws.com/uploads/full/': '68518-5df5b5e5t5b.jpg', nan: nan}

Answer 2

您可以更好地在此单列上使用 lambda 函数并将正则表达式操作保留在函数中并像这样调用：假设数据是数据框，字符串是列名：data = pd.read_csv('list.csv', sep=',', header=None)data.columns = ['string']data['string']  = data['string'].apply(lambda x:regex_function(x))

Answer 3

或者你可以试试这个代码：csv_data = pd.read_csv('list.csv', sep=',', header=None, dtype=str)csv_data = csv_data.fillna("")pattern = re.compile(r'(.*\/)(?!\/)(.*)', flags=re.DOTALL)url_file = {        pattern.findall(str(row))[0]:        pattern.findall(str(row))[1]        for index, row in csv_data.iterrows()    }