这是一个创建于 2529 天前的主题,其中的信息可能已经有所发展或是发生改变。
import os
import pandas as pd
import glob
def hebing():
csv_list = glob.glob("D:\\pythonNotebook\\SH\\SH_CSV\\*.csv")
print(u'共发现%s 个 CSV 文件'% len(csv_list))
print(u'正在处理............')
for i in csv_list:
fr = open(i,'r').read()
df = pd.read_csv(i,header=None,sep=',',usecols=range(0,8))
IsDuplicated = df.duplicated()
df = df.drop_duplicates()
#LAT = df.iloc[:,6]
#df.insert(8,'N','N')
#for j in range(0,len(LAT)):
#str(LAT[j])
#df['N'][j] = LAT[j][-1] #SH 区全部是南纬的
#LAT[j].replace('N','')
#LAT[j].replace('S','')
#print(LAT[j])
#print(i)
#df['Lat'] = df['Lat'].astype(np.float64)
#data = df.pop('Lat')
#data = -data/10 #南纬
#df.insert(8,'Lat',data)
if __name__ == '__main__':
hebing()
有问题的是我注释掉的部分。
我想做的事情,是把一列 str 格式的数据全部按宽度分列,原来第 6 列的数据是“ 118S ”的形式(南纬 118°),我需要把它分成 118、S 两列进行计算。我的想法是把它的最后一个字符‘ S ’提取出来赋给新的一列,然后删去原来那一列中的最后一个字符。
遇到了两个问题,一是,replace 之后并没有能删除掉原来数据中的‘ N、S ’字符;
二是每次读到第四十几个文件就报错了(一共 1000 多个);
pandas 入门级小白,求解答。
如果有什么可以直接按宽度分列的代码(类似于 excel 的功能)就更好啦
|
|
1
princelai 2018-01-21 10:11:46 +08:00 via Android
pandas.Series.str.slice
pandas.Series.str.extract
想用哪个用哪个,至于报错,你可以 LAT.apply(),自己写个 lambda 函数,里面 try 一下就可以知道哪里出错了或者出错值置为 none
|