python - 从文本文件创建数据框

Question

我有一个文本sample.txt文件

someText someText 
COLUMN1: value1, COLUMN2:value2, COLUMN3: value3
COLUMN1: value11, COLUMN2:value22, COLUMN3: value33
someOtherText someOtherText
someOtherText someOtherText
COLUMN1: value111, COLUMN2:value222, COLUMN3: value333

什么是我可以创建带有标题 COLUMN1、COLUMN2 和 COLUMN3 的数据框并将上面文本中的所有值放入相应列的好方法

提前谢谢了

标签： pythondataframe

Answer 1

我将从清理数据开始，我的意思是，过滤 txt 文件，使其仅包含您未来的记录

COLUMN1: value1, COLUMN2:value2, COLUMN3: value3
COLUMN1: value11, COLUMN2:value22, COLUMN3: value33
COLUMN1: value111, COLUMN2:value222, COLUMN3: value333

如果您知道这些行将仅包含这些单词（并且顺序相同），那么它是一个很好的起点。接下来是格式化，用一些正则表达式删除所有'COLUMN ...：'，然后你有一个csv文件，可以加载到像pandas，spark这样的框架......

value1, value2, value3
value11, value22, value33
value111, value222, value333

请记住，排序对于这种方法很重要。另一种方法是以非常相似的方式转换为 json 文件：

{'COLUMN1': 'value1', 'COLUMN2': 'value2', 'COLUMN3': 'value3'}

引用列名是强制性的，但值可能会根据其类型而有所不同。