Crear Pandas DataFrame desde una cadena

Para probar alguna funcionalidad me gustaría crear un DataFrame partir de una cadena. Digamos que mis datos de prueba parecen:

 TESTDATA="""col1;col2;col3 1;4.4;99 2;4.5;200 3;4.7;65 4;3.2;140 """ 

¿Cuál es la forma más sencilla de leer esos datos en un DataFrame Pandas?

Una forma sencilla de hacer esto es usar StringIO y pasarlo a la función pandas.read_csv . P.ej:

 import sys if sys.version_info[0] < 3: from StringIO import StringIO else: from io import StringIO import pandas as pd TESTDATA = StringIO("""col1;col2;col3 1;4.4;99 2;4.5;200 3;4.7;65 4;3.2;140 """) df = pd.read_csv(TESTDATA, sep=";") 

Un CSV de ancho variable tradicional es ilegible para almacenar datos como una variable de cadena. Especialmente para uso dentro de un archivo .py , considere en su lugar datos separados por tuberías de ancho fijo. Varios IDE y editores pueden tener un complemento para formatear texto separado por tuberías en una tabla ordenada.

Lo siguiente funciona para mí. Para usarlo, guárdelo en un archivo, por ejemplo, pandas_util.py . Se incluye un ejemplo en la documentación de la función. Si está utilizando una versión de Python anterior a 3.6, elimine las anotaciones de tipo de la línea de definición de función.

 import re import pandas as pd def read_pipe_separated_str(str_input: str, **kwargs) -> pd.DataFrame: """Read a Pandas object from a pipe-separated table contained within a string. Example: | int_score | ext_score | eligible | | | 701 | True | | 221.3 | 0 | False | | | 576 | True | | 300 | 600 | True | The leading and trailing pipes are optional, but if one is present, so must be the other. `kwargs` are passed to `read_csv`. They must not include `sep`. In PyCharm, the "Pipe Table Formatter" plugin has a "Format" feature that can be used to neatly format a table. """ # Ref: https://stackoverflow.com/a/46471952/ substitutions = [ ('^ *', ''), # Remove leading spaces (' *$', ''), # Remove trailing spaces (r' *\| *', '|'), # Remove spaces between columns ] if all(line.lstrip().startswith('|') and line.rstrip().endswith('|') for line in str_input.strip().split('\n')): substitutions.extend([ (r'^\|', ''), # Remove redundant leading delimiter (r'\|$', ''), # Remove redundant trailing delimiter ]) for pattern, replacement in substitutions: str_input = re.sub(pattern, replacement, str_input, flags=re.MULTILINE) return pd.read_csv(pd.compat.StringIO(str_input), sep='|', **kwargs) 

Alternativa que no funciona:

El código a continuación no funciona correctamente porque agrega una columna vacía en los lados izquierdo y derecho.

 df = pd.read_csv(pd.compat.StringIO(df_str), sep=r'\s*\|\s*', engine='python') 

Una solución rápida y fácil para el trabajo interactivo es copiar y pegar el texto cargando los datos desde el portapapeles.

Seleccione el contenido de la cadena con su ratón:

Copie los datos para pegarlos en un marco de datos de Pandas

En el shell de Python use read_clipboard()

 >>> pd.read_clipboard() col1;col2;col3 0 1;4.4;99 1 2;4.5;200 2 3;4.7;65 3 4;3.2;140 

Use el separador apropiado:

 >>> pd.read_clipboard(sep=';') col1 col2 col3 0 1 4.4 99 1 2 4.5 200 2 3 4.7 65 3 4 3.2 140 >>> df = pd.read_clipboard(sep=';') # save to dataframe 

Método de división

 x = input_string df = pd.DataFrame([x.split(';') for x in data.split('\n')]) print(df)