リスト対vsクラスvs DataFrameのPythonデータフォーマット

Question

プロパティアドレスと各プロパティの複数の属性を含む文字列で構成されるPythonリストがあります。

'Date of Sale', 'January 1, 2017', 'Phone Number', '111-344-2343', 'Color', 'Brown', 'Garage Size', '2', 'Date Listed', 'September 23, 2016', 'Loan From', 'Example Mortgage Services', 'Street Address', '751 Example Drive', 'City', 'Chicago', 'Number of Windows', 'Attorney', 'Shaping LLP', 'Township', 'Dundee', 'Zip Code', '99999', 'List Price', '$83,301.87', 'Bid Amount', '$110,199.00', 'Miscellaneous', 'Long Driveway', 'Date of Sale', ... 

これは1つの「エントリ」です。リストは、フィールドが空のまま残っていると完全にスキップされても、残りのプロパティ（「Date of Sale」で始まります）によって同じパターンで続きます。たとえば、入札が行われなかった場合、「入札金額」に金額ではなく「その他」が直接表示されます。

目的は、情報を簡単に解析できるようにすることです。たとえば、入札していないすべてのプロパティを一覧表示したいとします。

主な問題は、データフォーマットが使用するものです（class、リスト、辞書、またはデータフレーム）：

class Property(object): 
    def __init__(self,dateOfSale,phoneNumber...): 
     self.dateOfSale = 'dateOfSale' 
     self.phoneNumber = 'phoneNumber' 
     ... 

が、私は複数のプロパティに関する情報を取得するためにこれを利用することになるかわかりませんよ。

OR

1つのlist項目に各プロパティに関するすべての情報を結合します。私はあなたがこの情報をどのように見ているかわかりません。

OR

それは簡単にいずれかの時に反復思えませんが、アドレスによってキー、および他のすべての情報価値をdictionaryを使用してください。

OR

パンダdataframeを活用します。より多くの研究をする必要がありますが、「スプレッドシート」データはその形式でうまく機能するようです。

Answer 1

あなたのデータの現在の構造は非常に厄介なので、私はあなたがそれを分解し、各エントリの辞書を作ることから始めることをお勧めします。辞書のリストをあとでもっと洗練された別のデータ構造（たとえばDataFrame）に処理することもできますが、まず低レベルの処理を行う方が簡単です。ここで

あなたはdictsのリストに、文字列のあなたの単一の長いリストを変換することができます方法は次のとおりです。

raw_data = ['Date of Sale', 'January 1, 2017', 
      'Phone Number', '111-344-2343', 
      'Color', 'Brown', 
      'Garage Size', '2', 
      'Date Listed', 'September 23, 2016', 
      'Loan From', 'Example Mortgage Services', 
      'Street Address', '751 Example Drive', 
      'City', 'Chicago', 
      'Number of Windows', '16', # the value was missing for this key, so I made up one 
      'Attorney', 'Shaping LLP', 
      'Township', 'Dundee', 
      'Zip Code', '99999', 
      'List Price', '$83,301.87', 
      'Bid Amount', '$110,199.00', 
      'Miscellaneous', 'Long Driveway', 
      'Date of Sale', ...] # this is data for two entries (the second is abbreviated) 

list_of_dicts = [] 
for key, value in zip(*[iter(raw_data)]*2): # iterate on pairs of items from the raw list 
    if key == "Date of Sale": 
     current_dict = {} # create a new dict each time we come across a Date of Sale key 
     list_of_dicts.append(current_dict) 
    current_dict[key] = value 

私は全然パンダを経験していないんだけど、私はあなたのリストからデータフレームを作ることができます疑います（おそらく、リストを引数としてDataFrameコンストラクタに渡すことで、わかりません）。特に、すべての項目にすべての列の値がない場合は、データに含めると予想されるすべての列を記述する余分な引数を渡す必要があります。

Answer 2

実際にデータ分析（KISSの原理）を行う必要がない限り、私はPandas DataFrameには行かないでしょう。それはきれい構文的であるので、私はおそらく、例えばnamedtupleのではなく、辞書のリストを使用します。

import csv 
from collections import namedtuple 
Property = namedtuple('Property', 'date_of_sale phone_number ...') 

properties = [] 
with open('propertydata.csv', newline='') as csvfile: 
    for record in csv.reader(csvfile): 
     properties.append(Property(*record)) 

その後、プロパティを反復処理し、必要なものは何でも行うことができます。

no_bid_properties = [p for p in properties where not p.bid_amount]