如何将文本文件中的目标字符串转换为指定表头的DataFrame？

实现步骤与代码 #

直接通过字符串预处理、正则提取字段，再用pandas生成目标结构的DataFrame，具体代码如下：

import pandas as pd
import re

# 原始账单字符串
raw_str = "'Statement of Account,09 OCT AMAZON PRIME 38.87,09 OCT FP*FOOD CART 37.09,20 SEP MTHLY CASHBACK - VISA PAYW 5.96 CR'"

# 预处理：移除首尾引号，按逗号分割后跳过第一个标题项
transactions = raw_str.strip("'").split(',')[1:]

# 定义正则匹配规则，精准提取每笔交易的四个字段
pattern = re.compile(r'^(\d{2} [A-Z]{3}) (.*?) (\d+\.\d{2})(?: (CR))?$')

# 遍历提取每笔交易的字段信息
processed_data = []
for item in transactions:
    match_result = pattern.match(item.strip())
    if match_result:
        # 日期转成首字母大写格式（如OCT→Oct）
        date = match_result.group(1).title()
        # 交易描述
        desc = match_result.group(2)
        # 金额转数值类型
        amount = float(match_result.group(3))
        # 备注为空时填充空字符串
        remark = match_result.group(4) if match_result.group(4) else ""
        processed_data.append([date, desc, amount, remark])

# 生成指定表头的DataFrame
result_df = pd.DataFrame(processed_data, columns=['日期', '描述', '金额', '备注'])
print(result_df)

代码说明 #

1. 字符串预处理：先去掉字符串首尾的单引号，用逗号分割后，第一个元素是账单标题，直接跳过，剩下的就是每笔交易的原始内容。
2. 正则匹配逻辑：
   • (\d{2} [A-Z]{3})：提取两位日期+三位大写月份缩写（比如09 OCT）
   • (.*?)：非贪婪匹配中间的交易描述，避免把金额部分误包含进来
   • (\d+\.\d{2})：提取带两位小数的金额数字
   • (?: (CR))?：可选匹配末尾的备注标识（如CR），没有则返回空值
3. 字段整理：把日期格式统一为首字母大写，金额转为数值类型方便后续计算，最后将所有字段整理成二维列表。
4. 生成DataFrame：用pandas将整理好的数据转换成DataFrame，指定对应的中文表头即可。

运行后得到的结果结构如下：

内容的提问来源于stack exchange，提问作者snow