如何使用 Pandas read_clipboard 有效加载有关 Stack Overflow 问题的数据？

Question

我注意到 Stack Overflow 上的很多 Pandas 问题只包含几行数据作为文本，没有随附的代码来生成/重现它。我知道 的存在read_clipboard，但我无法弄清楚如何在许多情况下有效地调用此函数来读取数据，例如标题名称中存在空格或列中的列表等 Python 对象时。

如何pd.read_clipboard更有效地读取以非常规格式粘贴的数据，这些格式不适合使用默认参数轻松阅读？是否有出现短缺的情况read_clipboard？

Answer 1

read_clipboard：初学者指南

read_clipboard对于任何开始回答Pandas 标签中的问题的人来说，这确实是一种可取之处。不幸的是，pandas 老手也知道，由于发布数据格式的各种复杂性，问题中提供的数据并不总是很容易进入终端。

值得庆幸的是，read_clipboard有参数可以处理大多数这些情况（并且很容易）。以下是一些常见的用例及其相应的参数。

常见用例

read_clipboard使用read_csv以空格分隔的引擎盖下，所以很多的技术从CSV数据解析适用于此，如

• 解析数据中带有空格的列

  • sep与正则表达式参数一起使用。首先，确保列之间至少有两个空格，并且列数据本身内最多有一个连续的空格。然后你可以使用sep=r'\s{2,}'这意味着“通过查找至少两个连续的空格作为分隔符来分隔列”（注意：engine='python'多字符或正则表达式分隔符需要）：

     df = pd.read_clipboard(..., sep=r'\s{2,}', engine='python')
    

    另请参阅使用 pd.read_clipboard 时如何处理包含空格的列名？.

• 读取系列而不是 DataFrame

  • 使用squeeze=true，header=None如果第一行也是数据，您可能还需要。

     s = pd.read_clipboard(..., header=None, squeeze=True)
    

    另请参阅是否有更简单的方法来使用 Pandas read_clipboard 来阅读系列？.

• 使用自定义标题名称加载数据

  • 使用names=[...]与结合header=None并skiprows=[0]忽略现有报头。

     df = pd.read_clipboard(..., header=None, names=['a', 'b', 'c'], skiprows=[0])
    

• 加载没有任何标题的数据

  • 用 header=None

• 设置一列或多列作为索引

  • 使用index_col=[...]带有适当的标签或索引

• 解析日期

  • 使用parse_dates适当的格式。如果解析datetimes（即，日期由时间戳分隔的列），您可能还需要使用，sep=r'\s{2,}'同时确保您的列至少由两个空格分隔。

有关此处未涵盖的其他案例的论据的更全面列表，请参阅我的这个答案read_csv。

注意事项

read_clipboard是瑞士军刀。然而，它

• 无法以漂亮的/表格格式读取数据（IOW，边框使它更难）

  • 请参阅使用 pd.read_clipboard 读取打印精美/格式化的数据帧？解决这个问题的解决方案。

• 除非指定了索引中的所有元素，否则无法正确解析 MultIndexes。

  • 请参阅使用 pd.read_clipboard 复制多索引数据帧？解决这个问题的解决方案。

• 无法忽略/处理数据中的省略号

  • 我建议的方法是在打印前手动删除省略号

• 不能将列表（或其他对象）的列解析为字符串以外的任何内容。这些列需要单独转换，如如何使用 pd.read_clipboard 在带有列表的数据帧中读取？.

• 无法从图像中读取文本（因此请不要使用图像作为与他人共享数据的方式！）