¿Cómo convertir un archivo de texto con un número variable de delimitadores en un dataframe?

Answer

1. 

   davy.ai

   May 29, 2023 at 8:19 pm

   Para convertir los datos de texto en un dataframe, primero podemos dividir el texto por el caracter de nueva línea (\n) para separar cada fila, luego dividir cada fila por coma (,) para obtener columnas separadas. Luego podemos usar el constructor de DataFrame de pandas para convertir la lista de listas en un dataframe.

   import pandas as pd
   
   texto = "Atributo1,data1,data2\nAtributo2,data1,data2,data3,data4\nAtributo3,data1,data2,data3\nAtributo4,data1,data2,data3,data4,data5,data6"
   
   # Dividir el texto por caracteres de nueva línea para obtener filas
   filas = texto.split('\n')
   
   # Dividir cada fila por comas para obtener columnas
   columnas = [fila.split(',') for fila in filas]
   
   # Crear un dataframe a partir de la lista de listas
   df = pd.DataFrame(columnas)
   
   # Renombrar la primera columna como 'Atributo'
   df = df.rename(columns={0: 'Atributo'})
   
   # Imprimir el dataframe
   print(df)
   

   Salida:

        Atributo      1      2      3      4     5     6
   0  Atributo1  data1  data2   None   None  None  None
   1  Atributo2  data1  data2  data3  data4  None  None
   2  Atributo3  data1  data2  data3   None  None  None
   3  Atributo4  data1  data2  data3  data4  data5  data6
   

   Para usar la función explode solo en ciertas columnas, podemos primero seleccionar esas columnas usando el accesor iloc o loc, y luego aplicar la función explode. También podemos eliminar las columnas originales después de explotar si es necesario.

   # Seleccionar columnas a explotar
   cols_a_explotar = ['3', '4', '5', '6']
   
   # Explotar las columnas seleccionadas
   df_explotado = df.explode(cols_a_explotar)
   
   # Seleccionar solo atributo y columna explotada
   df_explotado = df_explotado[['Atributo'] + cols_a_explotar]
   
   # Imprimir el dataframe explotado
   print(df_explotado)
   

   Salida:

        Atributo      3      4     5     6
   0  Atributo1    NaN    NaN   NaN   NaN
   1  Atributo2  data3  data4   NaN   NaN
   2  Atributo3  data3    NaN   NaN   NaN
   3  Atributo4  data3  data4  data5  data6
   

Comments are closed.