如何拆分DataFrame中PGN列的国际象棋数据并提取字段与走法

你可以通过扩展现有代码，添加PGN解析逻辑，实现将元数据拆分为独立列、提取走法的需求。以下是具体实现方案：

完整修改后的代码 #

import chessdotcom
import pandas as pd
import regex as re
import json
from io import StringIO

def parse_pgn(pgn_text):
    # 提取PGN中的元数据（如Event、Site、Date等）
    meta_pattern = re.compile(r'\[(\w+) "([^"]+)"\]')
    meta_data = dict(meta_pattern.findall(pgn_text))
    
    # 提取对局走法：移除元数据块，清理结尾的结果标记（如1-0、*）
    moves_part = re.sub(r'\[.*?\]\n', '', pgn_text).strip()
    moves_clean = re.sub(r'\s*(1-0|0-1|\*)$', '', moves_part).strip()
    meta_data['moves'] = moves_clean
    
    return pd.Series(meta_data)

def cleandata(datacall):
    data = datacall.text
    x = json.loads(data)
    df = pd.read_json(StringIO(json.dumps(x)))
    df2 = pd.json_normalize(df['games'])
    
    # 解析PGN列，拆分元数据和走法
    pgn_parsed = df2['pgn'].apply(parse_pgn)
    # 合并原数据与解析后的PGN信息，移除原始pgn列
    df_final = pd.concat([df2.drop('pgn', axis=1), pgn_parsed], axis=1)
    
    df_final.to_csv(r'chessdataframegamesv3.csv', index=False)
    return df_final

# 获取对局数据并处理
datacall = chessdotcom.client.get_player_games_by_month("Player1", 2022, 7)
final_df = cleandata(datacall)

代码说明 #

1. parse_pgn函数：

   • 用正则匹配PGN中[Key "Value"]格式的元数据，将其转换为键值对字典
   • 移除元数据块后，清理走法内容中的结果标记（如对局结束的1-0或*），提取纯走法文本存入moves字段
   • 返回Series，方便与原DataFrame合并

2. cleandata函数扩展：

   • 对df2中的pgn列批量应用parse_pgn解析，得到包含元数据列和走法列的DataFrame
   • 将解析结果与原数据合并，移除原始pgn列，最终保存为结构化的CSV

可选：拆分走法为单行记录 #

如果需要将每一步走法单独作为一行记录（保留对局其他元数据），可以在cleandata函数末尾添加以下代码：

# 拆分走法为单行记录
df_moves = df_final.assign(move=df_final['moves'].str.split()).explode('move').reset_index(drop=True)
# 保存为单独的走法CSV
df_moves.to_csv(r'chessdataframe_moves.csv', index=False)

这段代码会将moves列按空格拆分为单个走法，然后通过explode展开，生成每行对应一步走法的DataFrame。

内容的提问来源于stack exchange，提问作者beardedgardener