List[List[str]]->List[List[int, int, List[str], array, List[bool]]-----一个具体例子(有碰到这样的题要求定义函数,不让用eval)

row = ['0', '1', 'NDP;LIBERAL;GREEN;CPC', '1;4;2;3', 'NO;YES;NO;NO']

转换成

'''SAMPLE_DATA_1 = [[0, 1, ['NDP', 'LIBERAL', 'GREEN', 'CPC'], [1, 4, 2, 3],
                  [False, True, False, False]],
                 [1, 2, ['LIBERAL', 'NDP', 'GREEN', 'CPC'], [2, 1, 4, 2],
                  [False, False, True, True]],
                 [1, 3, ['GREEN', 'NDP', 'CPC', 'LIBERAL'], [1, 5, 1, 2],
                  [False, True, False, True]],
                 [1, 4, ['CPC', 'LIBERAL', 'NDP', 'GREEN'], [5, 0, 3, 2], 
                  [True, False, True, True]]]
'''
SAMPLE_DATA_1[0]

 定义一个函数,然后输入clean_data([row])  

[注]一定是[row],不是row,因为row只是List[str]

def clean_data(data: List[List[str]]) -> None:
    for l in data:
        l[0] = int(l[0])
        l[1] = int(l[1])
        l[2] = l[2].split(';')
        l[3] = l[3].split(';')
        m = []
        for s in l[3]:
            m.append(int(s))
        l[3] = m
        l[4] = l[4].split(';')
        k = []
        for s in l[4]:
            if s == 'NO':
                s = 0
            else: s = 1
            k.append(bool(s))
        l[4] = k

解释:

data类型为List[List[str]],对应[row]

即l对应row

l[0]对应'0', l[0] = int(l[0])转变成0

l[1]同理;

l[2]对应'NDP;LIBERAL;GREEN;CPC',首先split(';')去掉;,会返回['NDP','LIBERAL','GREEN','CPC']即可

l[3]前面和l[2]一样,只不过要循环,将List里面的str变成int,即变成数组;

l[4]多少与l[3]类似,多了一个if...else换成bool

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
pandas.read_excel() 是 pandas 中用于读取 Excel 文件的函数,其参数如下: - io: str, file-like object or pathlib.Path,表示要读取的文件路径或 url。如果是 url,需要安装 xlrd 和 requests 库。 - sheet_name: str, int, list, or None,表示要读取的 sheet 名称或索引。可以传入单个名称/索引,也可以传入多个名称/索引构成的列表。默认值为 0,即读取第一个 sheet。 - header: int, list of int, default 0,表示列标所在行数。如果文件中没有列标,则设为 None。 - names: array-like, optional,表示用于替换列标的名称列表。如果 header=None,则需要设置 names 参数。 - index_col: int, str, sequence[int/str], or False, default None,表示要使用作为行索引的列。可以传入单个列名/列索引,也可以传入多个列名/列索引构成的列表。如果设为 False,则不使用任何列作为行索引。 - usecols: str, list-like or callable, optional,表示要读取哪些列。可以传入单个列名/列索引,也可以传入多个列名/列索引构成的列表。如果是 callable,则需要定义一个函数来过滤列。 - dtype: Type name or dict of column -> type, optional,表示每列的数据类型。可以传入类型的名称或一个字典,字典的键为列名,值为类型名称。 - converters: dict, optional,表示每列需要使用的函数。可以传入一个字典,字典的键为列名,值为函数名称。 - na_values: scalar, str, list-like, or dict, optional,表示需要替换为 NaN 的值。可以传入单个值、字符串、列表或字典。如果是字典,则键为列名,值为需要替换为 NaN 的值。 - keep_default_na: bool, default True,表示是否保留默认的 NaN 值。 - verbose: bool, default False,表示是否打印读取信息。 - engine: str, optional,表示要使用的解析器。可以使用 xlrd、openpyxl 或 odfpy。 - squeeze: bool, default False,表示是否将单列 DataFrame 转换为 Series。 - thousands: str, optional,表示千分位分隔符的字符。 - decimal: str, default '.',表示小数点分隔符的字符。 - **kwargs: 传递给底层 ExcelReader 的其他关键字参数。 示例: ```python import pandas as pd # 读取文件 df = pd.read_excel('data.xlsx', sheet_name='Sheet1', header=0, index_col=0) # 读取多个 sheet df_dict = pd.read_excel('data.xlsx', sheet_name=['Sheet1', 'Sheet2']) # 读取部分列 df = pd.read_excel('data.xlsx', usecols=['A', 'C']) # 设置数据类型 df = pd.read_excel('data.xlsx', dtype={'A': str, 'B': float, 'C': int}) # 替换值为 NaN df = pd.read_excel('data.xlsx', na_values=['#N/A', '-']) # 传递给底层 ExcelReader 的其他关键字参数 df = pd.read_excel('data.xlsx', skiprows=1, skipfooter=2) ```

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值