如何將html錶轉換爲pandas數據框

Question

pandas提供了一個有用的to_html()來將DataFrame轉換爲html table。是否有任何有用的功能將其讀回DataFrame？

Answer 1

的read_html實用大熊貓發佈0.12

Answer 2

在這裏面是不可能的，一般情況下，但如果你大致知道你的表的結構，你可以像這樣：

# Create a test df: 
>>> df = DataFrame(np.random.rand(4,5), columns = list('abcde')) 
>>> df 
    a   b   c   d   e 
0 0.675006 0.230464 0.386991 0.422778 0.657711 
1 0.250519 0.184570 0.470301 0.811388 0.762004 
2 0.363777 0.715686 0.272506 0.124069 0.045023 
3 0.657702 0.783069 0.473232 0.592722 0.855030 

現在解析HTML和重建：

from pyquery import PyQuery as pq 

d = pq(df.to_html()) 
columns = d('thead tr').eq(0).text().split() 
n_rows = len(d('tbody tr')) 
values = np.array(d('tbody tr td').text().split(), dtype=float).reshape(n_rows, len(columns)) 
>>> DataFrame(values, columns=columns) 

    a   b   c   d   e 
0 0.675006 0.230464 0.386991 0.422778 0.657711 
1 0.250519 0.184570 0.470301 0.811388 0.762004 
2 0.363777 0.715686 0.272506 0.124069 0.045023 
3 0.657702 0.783069 0.473232 0.592722 0.855030 

你如果需要，可以使用eval()將其擴展爲Multiindex dfs或自動類型檢測。