1

经过多次催促，我开始将我的 R 脚本迁移到 Python。我在 R 中的大部分工作都涉及数据帧，我使用的DataFrame是 pandas 包中的对象。在我的脚本中，我需要读取一个 csv 文件并将数据导入到一个DataFrame对象中。接下来，我需要将十六进制值转换为标记DATA为按位数据的列，然后创建 16 个新列，每个位一个。

我在文件中的示例输入数据test.txt如下所示，

前缀、测试、区域、行、列、数据

6_6,读取,0,0,0,BFED

6_6,读取,0,1,0,BB7D

6_6,读取,0,2,0,FFF7

6_6,读取,0,3,0,E7FF

6_6,读取,0,4,0,FBF8

6_6,读取,0,5,0,DE75

6_6,读取,0,6,0,DFFE

我的python脚本test.py如下，

import glob

import pandas as pd

import numpy as np

fname = 'test.txt'

df = pd.read_csv(fname, comment="#")

dfs = df[df.TEST == 'READ']

# function to convert the hexstring into a binary string

def hex2bin(hstr):

    return bin(int(hstr,16))[2:]


# convert the hexstring in column DATA to binarystring ROWDATA

dfs['BINDATA'] = dfs['DATA'].apply(hex2bin)

# get rid of the column DATA

del dfs['DATA']

当我运行此脚本并检查对象dfs时，我得到以下信息，

前缀测试区行 COL BINDATA

0 6_6 读取 0 0 0 1011111111101101

1 6_6 读取 0 1 0 1011101101111101

2 6_6 读取 0 2 0 1111111111110111

3 6_6 读取 0 3 0 1110011111111111

4 6_6 读取 0 4 0 1111101111111000

5 6_6 读取 0 5 0 1101111001110101

6 6_6 读取 0 6 0 1101111111111110

所以现在我不确定如何将命名的列拆分BINDATA为 16 个新列（可以命名为 B0、B0、B2、....、B15）。任何帮助将不胜感激。

感谢和问候，

德里克。

4

2 回答 2

4

我不知道它是否可以更简单地完成（没有 for 循环），但这可以解决问题：

for i in range(16):
    dfs['B'+str(i)] = dfs['BINDATA'].str[i]

Series的str属性可以访问一些作用于每个元素的矢量化字符串方法（参见文档： http: //pandas.pydata.org/pandas-docs/stable/basics.html#vectorized-string-methods）。在这种情况下，我们只是索引字符串以访问不同的字符。
这给了我：

In [20]: dfs
Out[20]:
            BINDATA B0 B1 B2 B3 B4 B5 B6 B7 B8 B9 B10 B11 B12 B13 B14 B15
0  1011111111101101  1  0  1  1  1  1  1  1  1  1   1   0   1   1   0   1
1  1011101101111101  1  0  1  1  1  0  1  1  0  1   1   1   1   1   0   1
2  1111111111110111  1  1  1  1  1  1  1  1  1  1   1   1   0   1   1   1
3  1110011111111111  1  1  1  0  0  1  1  1  1  1   1   1   1   1   1   1
4  1111101111111000  1  1  1  1  1  0  1  1  1  1   1   1   1   0   0   0
5  1101111001110101  1  1  0  1  1  1  1  0  0  1   1   1   0   1   0   1
6  1101111111111110  1  1  0  1  1  1  1  1  1  1   1   1   1   1   1   0

如果您希望它们作为整数而不是字符串，您可以.astype(int)在 for 循环中添加。

编辑：另一种方法（oneliner，但您必须在第二步中更改列名）：

In [34]: splitted = dfs['BINDATA'].apply(lambda x: pd.Series(list(x)))

In [35]: splitted.columns = ['B'+str(x) for x in splitted.columns]

In [36]: dfs.join(splitted)
Out[36]:
            BINDATA B0 B1 B2 B3 B4 B5 B6 B7 B8 B9 B10 B11 B12 B13 B14 B15
0  1011111111101101  1  0  1  1  1  1  1  1  1  1   1   0   1   1   0   1
1  1011101101111101  1  0  1  1  1  0  1  1  0  1   1   1   1   1   0   1
2  1111111111110111  1  1  1  1  1  1  1  1  1  1   1   1   0   1   1   1
3  1110011111111111  1  1  1  0  0  1  1  1  1  1   1   1   1   1   1   1
4  1111101111111000  1  1  1  1  1  0  1  1  1  1   1   1   1   0   0   0
5  1101111001110101  1  1  0  1  1  1  1  0  0  1   1   1   0   1   0   1
6  1101111111111110  1  1  0  1  1  1  1  1  1  1   1   1   1   1   1   0
于 2013-08-03T15:53:28.020 回答
1

以下是在没有循环的情况下如何做到这一点（但不是真的，因为这段代码中有很多隐式循环）：

import pandas as pd

# read the above frame from the clipboard
df = pd.read_clipboard(converters={'BINDATA': str})
df = df.fillna(nan).replace('None', nan).dropna(axis=0, how='all')

# here are the lines that matter
bindata = df.BINDATA.apply(list).apply(Series)
bindata.columns = bindata.columns.map('B{0}'.format)
res = pd.concat([df, bindata], axis=1).convert_objects(convert_numeric=True)
于 2013-08-03T16:32:04.767 回答