主页 / coding / 问题 / 78911935
Accepted
ViSa
Asked: 2024-08-26 02:25:06 +0800 CST

如何分隔存储在变量中的文本以在 python 中创建数据框？

  • 772

我已经pdf file使用人工智能模型解析了，并获得了markdown保存在变量 doc_parsed中的解析结果。通过代码打印其示例内容如下print(doc_parsed[2].text[:1000])

# Details

|Name|Mr. XYZ|
|---|---|
|Age/Sex|XX YRS/X|
|Id.|01x40xxxxx|
|Refered By|Self|
|Collection On|xx/Aug/20xx 0x:x0AM|
|Collected By|xxxxxxx|
|Sample Rec. On|xx/Aug/20xx xx:x0 AM|
|Collection Mode|HOME COLLECTION|
|Reporting On|xx/Aug/20xx 0x:xx PM|
|BarCode|xxxxxx|

# Test Results

|Test Name|Result|Biological Ref. Int.|Unit|
|---|---|---|---|
|Electrolyte Profile, Serum| | | |
|SODIUM (Na+)|136.2|136 - 145|mmol/L|
|POTASSIUM (K+)|4.23|3.5 - 5.5|mmol/L|
|CHLORIDE(Cl-)|106.24|98.0 - 107|mmol/L|
|TOTAL CALCIUM (Ca)|9.00|8.6-10.2|mg/dL|
|IONIZED CALCIUM|4.52|4.4 - 5.4|mg/dl|
|NON-IONIZED CALCIUM|4.49|4.4 - 5.4|mg/dl|
|pH.(Method : ISE Direct)|7.39|7.35 - 7.45| |

问题：我尝试了几种方法将其拆分为带有分隔符的数据框列，例如使用&但都不起作用。|pd.read_csv()pd.read_table()

import pandas as pd
import io

pd.read_table(doc_parsed[2].text[:1000], sep="|")

ValueError：无效的文件路径或缓冲区对象类型：<class 'llama_index.core.schema.Document'>

import io 

input_text = io.StringIO(print(doc_parsed[2].text[:1000]))

pd.read_csv(input_text,header=None, delimiter="|", 
            usecols = ["Parameter Name", "Result","Unit","Reference Range"])

EmptyDataError：文件中没有要解析的列

pd.read_csv(input_text,header=None, delimiter="|")

EmptyDataError：文件中没有要解析的列

感谢任何帮助。

python

3 个回答

  1. 可能的解决方案：

    pd.read_csv(input_text, sep=r'|', engine='python')
    • 0

  2. markdown 表格很烦人，但 read_csv 应该可以工作，这对我而言对你的数据有用

    table_data = StringIO(markdown_table)
df = pd.read_csv(table_string, sep="|", skipinitialspace=True, header=0)
df = df.drop(df.columns[[0, -1]], axis=1) #this is extra columns from the markdown conversion
print(df)

    header =0 基本上告诉熊猫第一行是你的列名 skipinitialspace=True 在分隔符后修剪字符串，这样你就可以得到干净的值

    • 0
  3. Best Answer

    该问题可能是由于 markdown 格式不完美或 pandas 默认不能很好处理的多余字符造成的。

    可能的解决方案 您可以尝试以下方法：

    input_text = io.StringIO(sample_text)

df = pd.read_csv(input_text, sep="|", skipinitialspace=True)

df = df.loc[:, ~df.columns.str.contains('^Unnamed')]

    使用此方法，我能够成功地将 markdown 解析为 DataFrame。

    在此处输入图片描述

    我希望这能给你一个干净的 DataFrame，其中的数据被很好地组织成列。

    • 0

相关问题