小编Mag*_*gie的帖子

我已经阅读了关于Pandas'to_csv(......等等)的Python 2限制的内容.我打了吗？我在使用Python 2.7.3

当它们出现在字符串中时,这会产生≥和 - 的垃圾字符.除此之外,出口是完美的.

df.to_csv("file.csv", encoding="utf-8") 

有没有解决方法？

df.head()是这样的:

demography  Adults ?49 yrs  Adults 18?49 yrs at high risk||  \
state                                                           
Alabama                 32.7                             38.6   
Alaska                  31.2                             33.2   
Arizona                 22.9                             38.8   
Arkansas                31.2                             34.0   
California              29.8                             38.8  

csv输出就是这个

state,  Adults ≥49 yrs,   Adults 18−49 yrs at high risk||
0,  Alabama,    32.7,   38.6
1,  Alaska, 31.2,   33.2
2,  Arizona,    22.9,   38.8
3,  Arkansas,31.2,  34
4,  California,29.8, 38.8

整个代码是这样的:

import pandas
import xlrd
import csv
import json

df = pandas.DataFrame()
dy = …

试图从这样的东西中抓取一些HTML.有时我需要的数据是div [0],有时是div [1]等.

想象一下,每个人都需要3-5节课.其中之一就是生物学.他们的成绩单总是按字母顺序排列.我想要每个人的生物学等级.

我已经把所有这些HTML都写成了文本,现在如何剔除生物学成绩？

<div class = "student">
    <div class = "score">Algebra C-</div>
    <div class = "score">Biology A+</div>
    <div class = "score">Chemistry B</div>
</div>
<div class = "student">
    <div class = "score">Biology B</div>
    <div class = "score">Chemistry A</div>
</div>
<div class = "student">
    <div class = "score">Alchemy D</div>
    <div class = "score">Algebra A</div>
    <div class = "score">Biology B</div>
</div>
<div class = "student">
    <div class = "score">Algebra A</div>
    <div class = "score">Biology B</div>
    <div class = "score">Chemistry C+</div>
</div> …

我正在处理 d3.js 图形。我的数据在一个巨大的多标签 .xls 中。我必须从每个选项卡中获取数据，因此我决定将其全部转储到 Pandas 中并导出一些 .json。

原始数据，分布在许多选项卡中：

demography, area, state, month, rate
over 65,   region2, GA, May, 23
over 65,  region2, AL, May, 25
NaN,  random_odd_data, mistake, error
18-65, region2, GA, 77
18-65, region2, AL, 75

现在，放入熊猫，合并并清理：

     demography area     state  month rate
0    over 65    region2  GA     May   23
1    over 65    region2  AL     May   25
2    18-65      region2  GA     May   50
3    18-65      region2  AL     May   55

现在，分组

group = df.groupby(['state', 'demography'])

产量

<pandas.core.groupby.DataFrameGroupBy object at 0x106939610> …