pandas数据清洗豆瓣top250中的作者国家,并存入top250.csv中
时间: 2024-03-13 13:43:08 浏览: 46
豆瓣电影top250.zip
可以按照以下步骤将清洗后的数据存入`top250.csv`文件中:
1. 导入必要的库和数据
```
import pandas as pd
df = pd.read_csv('douban_top250.csv')
```
2. 取出作者列
```
authors = df['作者']
```
3. 定义一个函数用于提取作者的国家信息
```
import re
def extract_country(author):
pattern = re.compile('\((.*?)\)')
result = pattern.findall(author)
if len(result) > 0:
return result[0]
else:
return None
```
该函数使用正则表达式提取作者括号中的国家信息,并返回该信息。如果作者信息中没有国家信息,则返回None。
4. 对作者列应用上述函数,生成新的国家列
```
df['国家'] = authors.apply(extract_country)
```
5. 去除国家列中的重复值,并查看结果
```
df['国家'].drop_duplicates()
```
这样,就可以得到豆瓣Top250中所有作者的国家信息了。
6. 将清洗后的数据保存到`top250.csv`文件中
```
df.to_csv('top250.csv', index=False)
```
该语句将清洗后的数据保存到`top250.csv`文件中,并将索引列省略掉。
阅读全文