0

Tengo un file.csv con 16 filas y 2 columnas. Cada tipo representa un tipo de personalidad, mientras la descripción otorga características de cada tipo de personalidad. Cada descripción es prácticamente un texto, con puntos, comas, quotchars, saltos de líneas, etc.

Forma del csv:

TIPO   | DESCRIPCION
 a1    |  este tipo de personalidad...\nComen peras como los monos...\nSi es que...
 b2    |  descrip.b2
 c3    |  descrip.c3
 d4    |    ...
...16  |    ...

Quiero duplicar un tipo si es que en su descripción hay algún salto de línea. Entendiéndolo de otro modo, si en la descripción hay un salto de línea, 'guardar' ese texto usando el mismo tipo, luego, en el siguiente salto de línea, 'guardar' ese pedazo de texto en otra fila con el mismo tipo.

OUTPUT esperado:

TIPO   | DESCRIPCION
 a1    |  Este tipo de personalidad...
 a1    |  Comen peras como los monos...
 a1    |  Si es que...
 b2    |  descrip.b2
 c3    |  descrip.c3
 ...   |     ...

1 respuesta 1

1

Puedes hacerlo con pandas así:

import pandas as pd

df = pd.read_csv("tu-csv-aqui.csv")

# dividir la columna donde hay nuevas líneas y convertirla en una serie
s = df["DESCRIPCION"].str.split("\n").apply(pd.Series, 1).stack()

0  0     este tipo de personalidad...
   1    Comen peras como los monos...
   2                     Si es que...

# quitar el segundo índice para que el dataframe y la serie compartan índices
s.index = s.index.droplevel(1)

# darle un nombre para unirla al dataframe
s.name = "DESCRIPCION"

# eliminar columna original
del df["DESCRIPCION"]

# unir la serie con el dataframe, basado en el índice compartido
df = df.join(s)

  TIPO                    DESCRIPCION
0   a1   este tipo de personalidad...
0   a1  Comen peras como los monos...
0   a1                   Si es que...
9
  • hay que especificar que la librería que utilizas es pandas (ya que tengo csv y pandas en las etiquetas). Por lo demás, todo bien!
    – Y4RD13
    Commented el 26 feb. 2020 a las 1:43
  • 1
    Ah, tienes razón, lo siento. Pensé que era obvio por la etiqueta "pandas" en tu pregunta. Igual, editaré mi respuesta. Commented el 26 feb. 2020 a las 1:52
  • También esto agregará una nueva columna de índices unnamed, pero para esto se resuelve df.to_csv(index = False). Gracias por tu respuesta!
    – Y4RD13
    Commented el 26 feb. 2020 a las 2:36
  • esta solución dio varios valores NaN, sabes por qué? CSV con tu solución, CSV original
    – Y4RD13
    Commented el 26 feb. 2020 a las 23:52
  • 1
    Es porque en tu primera celda de descripción, hay partes con dos nuevas líneas consecutivas, con nada entre ellas. Quita los valores NaN con df.dropna() Commented el 27 feb. 2020 a las 0:04

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.