您有两个小错误:
我需要将Wikipedia表刮到熊猫数据框并创建三列:PostalCode,自治市镇和邻里。
https://en.wikipedia.org/wiki/List_of_postal_codes_of_Canada:_M
这是我使用的代码:
import requests
website_url = requests.get('https://en.wikipedia.org/wiki/List_of_postal_codes_of_Canada:_M').text
from bs4 import BeautifulSoup
soup = BeautifulSoup(website_url,'lxml')
print(soup.prettify())
My_table = soup.find('table',{'class':'wikitable sortable'})
My_table
links = My_table.findAll('a')
links
Neighbourhood = [ ]
for link in links:
Neighbourhood.append(link.get('title'))
print (Neighbourhood)
import pandas as pd
df = pd.DataFrame([])df ['PostalCode','Borough','Neighborhood'] =社区
df
它返回:
(PostalCode, Borough, Neighborhood)
0北约克1帕克伍德2北约克3维多利亚村4多伦多市中心5海滨(多伦多)多伦多市中心67摄政公园北约克8号
我不知道如何从Wikipedia表格中选择邮政编码和附近地区。
谢谢
提供错误消息。通过查看它,首先您具有df ['Neighbourhoods]] = Neighbourhoods >>,其中您的列表名称为Neighborhoods >>。
您有两个小错误:
[df = pd.dataframe()
应该是df = pd.DataFrame([])
您第二次也将Neighborhoods
拼写为Neighbourhoods
。
您可能还需要将soup = BeautifulSoup(website_url,'lxml')
更改为soup = BeautifulSoup(website_url,'xml')
,但是如果您不知道确切的错误消息,我们将为您提供更多帮助。
代替使用
df = pd.dataframe()
df['Neighbourhoods'] = Neighbourhoods
您可以使用
df['Neighbourhoods'] = pd.Series(Neighbourhoods)
这将解决您的错误,并使用pd.Series(listname)类似地添加新列,或者您可以使用此代码提供包含PostalCode,Borough和Neighborhoods的列表的列表
df = pd.Dataframe(list_of_lists)
熊猫允许您在一行代码中完成它:
df = pd.read_html('https://en.wikipedia.org/wiki/List_of_postal_codes_of_Canada:_M')[0]
似乎您只是在这里选择了其中一列:
links = My_table.findAll('a')
您应该寻找'tr'
而不是'a'
,因为这表示表中有新行。
然后您应该使用for循环来填充列表列表,此代码应该起作用:
v = []
for tr in values:
td = tr.find_all('td')
row = [i.text for i in td]
v.append(row)
df = pd.DataFrame.from_records(v)
您有两个小错误:
代替使用
熊猫允许您在一行代码中完成它:
似乎您只是在这里选择了其中一列: