Python Pandas iterrows 方法

Question

我 "pseudo" 通过读取 csv 文件创建一个 .bib 文件，然后 structure 写下包括换行符在内的所有内容。这是一个乏味的过程，但它是在 python 中将 csv 转换为 .bib 的原始形式。

我正在使用 Pandas 读取 csv 并逐行写入，（因为它有特殊字符我正在使用 latin1 编码器）但我遇到了一个大问题：它只读取第一排。来自官方 documentation 我正在使用他们的方法逐行阅读，这只给了我第一行（示例 1）：

 row = next(df.iterrows())[1]

但是如果我删除 next() 和 [1]，它会给出集中在一个字段中的每一列的内容（示例 2）。

为什么会这样？为什么使用文档中的方法不能很好地遍历所有行？如果不是所有行，示例 1 的解决方案如何？

我的代码：

import csv
import pandas
import bibtexparser
import codecs

colnames = ['AUTORES', 'TITULO', 'OUTROS', 'DATA','NOMEREVISTA','LOCAL','VOL','NUM','PAG','PAG2','ISBN','ISSN','ISSN2','ERC','IF','DOI','CODEN','WOS','SCOPUS','URL','CODIGO BIBLIOGRAFICO','INDEXAÇÕES',
        'EXTRAINFO','TESTE']
data = pandas.read_csv('test1.csv', names=colnames, delimiter =r";", encoding='latin1')#, nrows=1

df = pandas.DataFrame(data=data)

with codecs.open('test1.txt', 'w', encoding='latin1') as fh:
    fh.write('@Book{Arp, ')
    fh.write('\n')

rl = data.iterrows()

for i in rl:
    ix = str(i)
    fh.write('  Title                    = {')
    fh.write(ix)
    fh.write('}')
    fh.write('\n')

PS：我是 python 和编程的新手，我知道这段代码有缺陷，它不是将 csv 转换为 bib 的最有效方法。

Answer 1

例子row = next(df.iterrows())[1]故意只returns第一行。

df.iterrows() returns generator 在元组上描述行。元组的第一个条目包含行索引，第二个条目是包含行数据的 pandas 系列。

因此，next(df.iterrows()) returns 生成器的下一个条目。如果之前未调用 next，则这是第一个元组。因此，next(df.iterrows())[1] returns 第一行（即第二个元组条目）作为 pandas 系列。

你要找的可能是这样的：

for row_index, row in df.iterrows():
   convert_to_bib(row)

其次，所有对文件句柄 fh 的写入都必须在块 with codecs.open('test1.txt', 'w', encoding='latin1') as fh: 内进行因为在块的末尾，文件句柄将被关闭。

例如：

with codecs.open('test1.txt', 'w', encoding='latin1') as fh:
    # iterate through all rows
    for row_index, row in df.iterrows():
       # iterate through all elements in the row
       for colname in df.columns:
           row_element = row[colname]
           fh.write('%s = {%s},\n' % (colname, str(row_element)))

我仍然不确定列的名称是否与您想到的 bibtex 字段完全匹配。可能你必须先转换这些。但我希望你能理解迭代背后的原理:-)

Python Pandas iterrows 方法

Python Pandas iterrows method

python

csv

pandas