问题

Pandas如何将多个单元格合并为一个单元格？是网站或函数的问题吗？

import pandas as pd

tables = pd.read_html('http://www.ufcstats.com/fight-details/451525a1abe30a91')

这里说有四个表格。但在这些表格中，实际数据已经合并在一起。例如，39 of 102 26 of 73 应该是两个单元格，但它是1个？

我尝试单独提取表格然后拆分它们：

df = tables[0].values.tolist()

print(type(df[0][0]))

print(re.split("\s{2,}", df[0][0]))

这没有任何效果。它只是原样返回单元格，没有任何变化。不确定出了什么问题，甚至没有错误。

是否有一种方法可以遍历整个数据框，在存在双空格的地方进行拆分，而不改变其结构？

import pandas as pd

tables=pd.read_html('http://www.ufcstats.com/fight-details/451525a1abe30a91')

df=tables[0].values.tolist()

print(type(df[0][0]))

print(re.split("\s{2,}",df[0][0]))

答案1

得分: 2

我不确定pandas是否能解析每个<td>标签内部的嵌套数据/段落。

但无论如何，这是使用[标签：beautifulsoup]解析第一个表格的一种方法：

#pip install beautifulsoup4
from bs4 import BeautifulSoup

soup = BeautifulSoup(requests.get(url).text, "html5lib")

table = soup.find("table")

headers = [col.text.strip() for col in table.find("thead").find_all("th")]

data = [
    

    for row in table.find_all("tr") for cell in row.find_all("td")
]

df = pd.DataFrame(data).T.set_axis(headers, axis=1)

输出：

| Fighter         |   KD | Sig. str.   | Sig. str. %   | Total str.   | Td     | Td %   |   Sub. att |   Rev. | Ctrl   |
|:----------------|-----:|:------------|:--------------|:-------------|:-------|:-------|-----------:|-------:|:-------|
| Jessica Andrade |    0 | 131 of 322  | 40%           | 148 of 342   | 2 of 3 | 66%    |          0 |      0 | 1:35   |
| Angela Hill     |    1 | 89 of 209   | 42%           | 99 of 220    | 0 of 0 | ---    |          0 |      0 | 0:06   |

使用read_html，我们可以得到：

| Fighter                     | KD   | Sig. str.             | Sig. str. %   | Total str.            | Td             | Td %     | Sub. att   | Rev.   | Ctrl       |
|:----------------------------|:-----|:----------------------|:--------------|:----------------------|:---------------|:---------|:-----------|:-------|:-----------|
| Jessica Andrade Angela Hill | 0  1 | 131 of 322  89 of 209 | 40%  42%      | 148 of 342  99 of 220 | 2 of 3  0 of 0 | 66%  --- | 0  0       | 0  0   | 1:35  0:06 |

#pip install beautifulsoup4
from bs4 import BeautifulSoup

soup = BeautifulSoup(requests.get(url).text, "html5lib")

table = soup.find("table")

headers = [col.text.strip() for col in table.find("thead").find_all("th")]

data = [
    

    for row in table.find_all("tr") for cell in row.find_all("td")
]

df = pd.DataFrame(data).T.set_axis(headers, axis=1)