python - 将重复的“键=值”对的文件读入DataFrame




pandas (5)

当您获得输出时,这就是我将如何处理该问题:

首先根据列的可重复性创建唯一索引,

df['idx'] = df.groupby(df['0'])['0'].cumcount() + 1
print(df)
        0  1  idx
0   name  1      1
1  grade  A      1
2  class  B      1
3   name  2      2
4  grade  D      2
5  class  A      2

然后,我们使用它来使用 crosstab 功能来旋转数据框

df1 = pd.crosstab(df['idx'],df['0'],values=df['1'],aggfunc='first').reset_index(drop=True)
print(df1[['name','grade','class']])
0 name grade class
0    1     A     B
1    2     D     A

我有一个txt文件,其中包含此格式的数据。 前三行重复一遍又一遍。

name=1
grade=A
class=B
name=2
grade=D
class=A

我想以表格格式输出数据,例如:

name | grade | class
1    | A     | B
2    | D     | A

我正在努力设置标题,并循环遍历数据。 到目前为止,我尝试过的是:

def myfile(filename):
    with open(file1) as f:
        for line in f:
            yield line.strip().split('=',1)

def pprint_df(dframe):
    print(tabulate(dframe, headers="keys", tablefmt="psql", showindex=False,))

#f = pd.DataFrame(myfile('file1')
df = pd.DataFrame(myfile('file1'))
pprint_df(df)

该输出是

+-------+-----+
| 0     | 1   |
|-------+-----|
| name  | 1   |
| grade | A   |
| class | B   |
| name  | 2   |
| grade | D   |
| class | A   |
+-------+-----+

并不是我真正想要的。


恕我直言,所有当前答案似乎太复杂了。 我要做的是使用 '=' 作为 read_csvsep 参数来读取2列,然后 pivot 获得的DataFrame:

import pandas as pd

df = pd.read_csv('myfile', sep='=', header=None)
#        0  1
# 0   name  1
# 1  grade  A
# 2  class  B
# 3   name  2
# 4  grade  D
# 5  class  A

df = df.pivot(index=df.index // len(df[0].unique()), columns=0)
#       1           
# 0 class grade name
# 0     B     A    1
# 1     A     D    2

如果您不希望该多级列索引出现在结果中,则可以通过以下方式将其删除:

df.columns = df.columns.get_level_values(1)
# 0 class grade name
# 0     B     A    1
# 1     A     D    2

您可以使用熊猫来读取文件并处理数据。 您可以使用此:

import pandas as pd
df = pd.read_table(r'file.txt', header=None)
new = df[0].str.split("=", n=1, expand=True)
new['index'] = new.groupby(new[0])[0].cumcount()
new = new.pivot(index='index', columns=0, values=1)

new 输出:

0     class grade name
index                 
0         B     A    1
1         A     D    2

您还可以执行以下操作:以3的块为单位读取文本 file ,构建一个嵌套列表,然后将其放入数据框:

from itertools import zip_longest
import pandas as pd

# taken from https://docs.python.org/3.7/library/itertools.html:
def grouper(iterable, n, fillvalue=None):
    "Collect data into fixed-length chunks or blocks"
    # grouper('ABCDEFG', 3, 'x') --> ABC DEF Gxx"
    args = [iter(iterable)] * n
    return zip_longest(*args, fillvalue=fillvalue)

data = [['name', 'grade', 'class']]
with open(file, 'r') as fobj:
    blocks = grouper(fobj, 3)
    for b in blocks:
        data.append([i.split('=')[-1].strip() for i in b])

df = pd.DataFrame(data[1:], columns=data[0])  

df 将直接是

  name grade class
0    1     A     B
1    2     D     A

注意#1: 尽管比纯 pandas 解决方案需要更多的代码行,但以我的经验,由于使用更少的 pandas 函数,从而减少了开销,它可能会更高效。

注意#2: 一般来说,我认为最好以其他格式(例如 jsoncsv 存储输入数据。 这将使其更容易阅读,例如,如果使用csv文件,则使用 pandas 函数 read_csv


该解决方案假定文本格式与您所描述的相同,但是您可以对其进行修改以使用其他单词来表示新行的开头。 在这里,我们假设新行以 name 字段开头。 我在下面修改了您的 myfile() 函数,希望它能给您一些想法:)

def myfile(filename):
    d_list = []
    with open(filename) as f:
        d_line = {}
        for line in f:
            split_line = line.rstrip("\n").split('=')  # Strip \n characters and split field and value.
            if (split_line[0] == 'name'):
                if d_line:
                    d_list.append(d_line)  # Append if there is previous line in d_line.
                d_line = {split_line[0]: split_line[1]}  # Start a new dictionary to collect the next lines.
            else:
                d_line[split_line[0]] = split_line[1]  # Add the other 2 fields to the dictionary.
        d_list.append(d_line) # Append the last line.
    return pd.DataFrame(d_list)  # Turn the list of dictionaries into a DataFrame.




pandas