目前我正在从pdf中提取数据并将其放入csv文件中。我将解释这是如何工作的。
首先,我创建一个空数据帧:
ndataFrame = pandas.DataFrame()
然后我读取了数据。为了简单起见,假设每个pdf的数据相同:
data = {'shoe': ['a', 'b'], 'fury': ['c','d','e','f'], 'chaos': ['g','h']}
dataFrame = pandas.DataFrame({k:pandas.Series(v) for k, v in data.items()})
然后,我将此数据附加到空数据帧:
ndataFrame = ndataFrame.append(dataFrame)
是输出:
shoe fury chaos
0 a c g
1 b d h
2 NaN e NaN
3 NaN f NaN
然而,现在问题来了。我需要一些列(假设 4(在愤怒和混乱的列之间是空的。这是我想要的输出:
shoe fury chaos
0 a c g
1 b d h
2 NaN e NaN
3 NaN f NaN
我尝试了一些重新索引的东西,但我无法弄清楚。欢迎任何帮助。
顺便说一句,我想要的输出可能会令人困惑。需要明确的是,我需要一些列在愤怒和混乱之间完全空(这是因为其他一些数据手动进入那里(。
感谢您的阅读
这个答案假设你没有办法改变上游读取数据的方式。 与往常一样,最好在源头处理这些类型的格式更改。 如果这是不可能的,这里有一种方法可以在解析后做到这一点。
您可以在此处使用reindex
,使用numpy.insert
添加四列:
dataFrame.reindex(columns=np.insert(dataFrame.columns, 2, [1,2,3,4]))
shoe fury 1 2 3 4 chaos
0 a c NaN NaN NaN NaN g
1 b d NaN NaN NaN NaN h
2 NaN e NaN NaN NaN NaN NaN
3 NaN f NaN NaN NaN NaN NaN