嵌套 for 循环将非结构化数据转换为结构化数据

问题描述

我正在尝试将非结构化数据转换为 Python 中的结构化数据，因此需要一些帮助。我的数据集有一个名为“评论”的自由文本列，此时有 143 行。我需要根据 Comments 列中的信息创建三个附加字段。下面是示例输入数据。我需要提取 Phone_Call、Successful 和 Yes 作为三个词，然后将它们输入到单独的列中。其余的对我来说都是无用的信息。

-- 类型：Phone_Call 联系尝试：成功 验证完成：是 注意：联系了客户并且联系尝试成功，完成验证。

-- Type:Email Contact Attempt:Unsuccessful Validation Complete:No 注意：联系客户并且联系尝试成功，完成验证。

这就是我处理这个问题的方式：

1. 我将 Comments 列转换为 String 类型。
2. 我创建了一个 for 循环来拆分每一行的评论（我在空格处拆分）
3. 我将创建第二个嵌套 for 循环，然后选择第 3 个、第 7 个和第 10 个单词
4. 最后，我将创建第三个嵌套循环，然后将第 3 个、第 7 个和第 10 个单词转移到三个不同的列中。

我已经能够完成第 1 步和第 2 步，但在那之后我有点卡住了。不确定如何创建嵌套的 for 循环。有什么建议么？到目前为止，我编写的代码如下：

comments = df['COMMENTS'].astype(str)

for i in range(len(comments)): (str.split(comments[i]))

谢谢！

解决方法

数组拼接将成为您的朋友。

a="Type:Phone_Call Contact Attempt:Successful Validation 
Complete:Yes Notes: Reached out to the customer and contact 
attempt was successful,completed validation"
b= a.split(" ")

c=[None,None,None]
c[0]=b[0][5:]
c[1]=b[2][7:]

如果“垃圾”在“：”字符之前发生变化，您可以使用 index(":") 设置拼接标记。

,

我能够解决它！感谢卡车装载@IGotThis。你的建议让我开始了。这是我的完整代码。

comments = df['COMMENTS'].tolist()

# For loop to split the comments list by whitespace and store in list e
e = []

for i in range(len(comments)):
    e.append(str.split(comments[i]))

#Extract all the important information and store in list c       
c = []

for j in range(len(e)):
    c.append(e[j][2][0:])
    c.append(e[j][6][0:])
    c.append(e[j][9][0:])

#Split list c into groups of 3 elements and write to a new dataframe

data = list(zip(*[iter(c)]*3))

f= pd.DataFrame(data[0:],columns=['Contact Type','Contact Made','Verification Complete'])