我有亚马逊数据,想用 R 或 Python 将其转换为 csv 格式。我的原始数据如下所示:
product/productId: B000GKXY3
product/title: Nun Chuck
product/price: 17.99
review/userId: ADX8VLDUOL7BG
review/profileName: M. Gingras
product/productId: B000GKXY34
product/title: Nun Chuck
product/price: 17.99
review/userId: A3NM6P6BIWTIAE
review/profileName: Maria Carpenter
我想将其更改为如下所示的 csv 格式:
product/productId, product/title, product/price, review/userId, review/profileName
B000GKXY34, Nun Chuck, 17.99, ADX8VLDUOL7BG, M. Gingras
B000GKXY34, Nun Chuck, 17.99, A3NM6P6BIWTIAE, Maria Carpenter
亚马逊数据集对我来说有点独特,不知道如何将其转换为 csv 格式。 我主要使用 R,但也对 Python 持开放态度。所以,任何知道如何使用 R 或 Python 执行此操作的人,请分享您的想法。
提前致谢。
请您参考如下方法:
这是在 R 中执行此操作的一种方法。它要求所有数据 block 的字段(顺序和名称)相同,并且数据 block 由空行分隔。我想有更简单的方法可以做到这一点,也许使用 plyr?
读入一些数据。您可以将 readLines 指向一个文本文件。
dat <- readLines(textConnection('product/productId: B000GKXY3
product/title: Nun Chuck
product/price: 17.99
review/userId: ADX8VLDUOL7BG
review/profileName: M. Gingras
product/productId: B000GKXY34
product/title: Nun Chuck
product/price: 17.99
review/userId: A3NM6P6BIWTIAE
review/profileName: Maria Carpenter
product/productId: B000GKXY35
product/title: Nun Chuck
product/price: 17.99
review/userId: A3NM6P6BIWTIAF
review/profileName: Someone Else'))
# Identify blocks of data (assuming blank line indicates a new block)
# and split to list L.
L <- split(dat, rep(seq_along(diff(c(0, which(dat==''), length(dat)))),
diff(c(0, which(dat==''), length(dat)))))
# Remove empty elements.
L <- lapply(L, function(x) x[x != ''])
# rbind to a matrix
M <- do.call(rbind, L)
# Extract column names
nm <- sub(':.*$', '', M[1, ])
# Remove column names from matrix elements
M <- gsub('^.*: *', '', M)
# Add column names attribute
colnames(M) <- nm
M
product/productId product/title product/price review/userId review/profileName
1 "B000GKXY3" "Nun Chuck" "17.99" "ADX8VLDUOL7BG" "M. Gingras"
2 "B000GKXY34" "Nun Chuck" "17.99" "A3NM6P6BIWTIAE" "Maria Carpenter"
3 "B000GKXY35" "Nun Chuck" "17.99" "A3NM6P6BIWTIAF" "Someone Else"
然后您可以轻松地强制使用 data.frame 来使 product/price 成为数字,如果这让您满意的话。
