您的位置:首页 > 编程语言 > Python开发

Python的pandas库实战进行一个数据处理的工作

2016-08-16 20:25 429 查看
下面进行一个目标处理的步骤:将对应满足要求的数据找出来进行处理。

在Excel中完全可以进行但是为了熟悉下pandas中数据框的用法,这里就花点时间试验下;

图片的格式在下方:

主函数:

main.py

import setDF2
import re
import numpy as np
import pandas as pd
#在data1中找出我们需要的词并输出它们的参数;准备到下次分析

def fuzzyfinder(user_input, collection):
suggestions = []
pattern = '.*?'.join(user_input)    # Converts 'djm' to 'd.*?j.*?m'
regex = re.compile(pattern)         # Compiles a regex.
for item in collection:
match = regex.search(item)      # Checks if the current item matches the regex.
if match:
suggestions.append((len(match.group()), match.start(), item))
return [x for _, _, x in sorted(suggestions)]

#去掉 “/n”
def remove_n(l):
for i in range(len(l)):
l[i] = l[i].split('\n')[0]
return l

#往一个集合里面添加一个列表里面的all元素(element)
def add_all(c,s):
for e in c:
s.add(e)
return s

#传递进来一个词表,返回匹配的字符串表
def returnAllword(als):
set_kw = remove_n(open('C:\\Users\\Administrator\\Desktop\\word.txt','r+').readlines())
s = set()
for string in set_kw:
collection = fuzzyfinder(string,als)
s = add_all(collection,s)
al = list(s)
return al

#对字符串进行二次处理,里面的字符串元素必须都是来自我们要求的字符
def exchange2(l):
set_kw = remove_n(open('C:\\Users\\Administrator\\Desktop\\word.txt','r+').readlines())
aal = []
s_e = set(' ')
for st in set_kw:
s_e = add_all(list(st),s_e)
for e in l:
if(set(e) & s_e == set(e)):
aal.append(e)
return aal

#已知搜索词,提取数据框中的对应数据
def returnListIndex(bl):
list_all = data1.搜索词
list_index = []
for i in range(len(data1)):
if(list_all[i] in bl):
list_index.append(str(i))
return list_index

'''step1: 500关键词中寻找搜索词对应的搜索词和我们对应的词条有关的词'''
file = 'F:\\By\\August\\160816\\热搜探究\\0816_ws1.csv'
data1 = setDF2.setDF2(file)

bl = exchange2(returnAllword(data1.搜索词))
list_index = returnListIndex(bl)
da = np.array(bl)
da.shape = len(da),1
df = pd.DataFrame(da,index = da,columns = ['条件词'])

data2 = pd.DataFrame(data1,index = list_index)

''' step2:选取商城点击率较高 且 搜索人气>200的椅子//点击率'''
re_index = []
for i in np.arange(1,len(data2)):
swap = pd.DataFrame(data1,index = [data1.index[i]])
if((float(swap.搜索人气)> 200) & (float(swap.商城点击占比) > 0.40) & (float(swap.直通车参考价) < 2.57)):
re_index.append(str(i))
else:
pass
ddv = pd.DataFrame(data1,index = re_index)
print (ddv)               #print()满足条件的所有df中的关键词

'''step3:将目标写出到本地'''
ddv.to_csv('C:\\Users\\Administrator\\Desktop\\result_word.csv')


辅助函数setDF2.py

#等同于pandas.read_csv
import pandas as pd
import numpy as np

def strToD(x):
str1 = x.split('\n')[0]
return str1

def setDF2(file):
strings = open(file,'r+').readlines()
open(file,'r+').close()
names = [];
data = []
columes = [];
for string1 in strings[1:len(strings)]:
hang = string1.split(',')
for element in np.arange(0,len(hang)):
hang[element] = strToD(hang[element])
if(string1 == strings[1]):
columes = string1.split(',')[1:len(string1)]
columes[len(columes) - 1] =  strToD(columes[len(columes) - 1])
else:
data.extend(hang[1:len(hang)])
names.append(hang[0])
dd = np.array(data)
dd.shape = len(names),len(columes)
df = pd.DataFrame(dd,names,columes)

return df
ps:那个桌面文档的TXT就是根据特征选的关键字了;;
内容来自用户分享和网络整理,不保证内容的准确性,如有侵权内容,可联系管理员处理 点击这里给我发消息
标签: 
相关文章推荐