时间戳

首页 > 解决方案 > 如何将这种特定的数据格式放入数据框中？

python - 如何将这种特定的数据格式放入数据框中？

问题描述

我有一个这种格式的文本文件

====================
Something Something Something
====================
Something Something Something
====================
Something Something Something
====================
Something Something Something
Something Something Something
Something Something Something
====================
Something Something Something

Something Something Something
Something Something Something
====================
Something Something Something
====================
Something Something Something
====================
Something Something Something
====================

正如我试图说明的那样，有一些换行符，一些空行，但定义特征是我试图捕获的内容总是在等号行之间。

我试过 .read_csv 但这不起作用，因为数据框中单元格的值应该显示所有文本，包括换行符。

具体来说，

df = pd.read_csv(x + "/" + file, sep="====================", names=["Content"], engine="python", index_col=False)

我想要的数据框看起来像


   Content
0     Something Something Something
1     Something Something Something\n                 \nSomething Something Something\nSomething Something Something

例如。

有谁知道我怎么能做到这一点？

标签： pythonpandas

解决方案

首先定义一个自定义文件阅读器类：

class InFile:
    def __init__(self, infile):
        self.infile = open(infile)
    def __iter__(self):
        return self
    def read(self, *args, **kwargs):
        res = ''
        while True:
            line = self.infile.readline()
            if not line:
                self.infile.close()
                return line
            if line[:4] == '====':
                if len(res) > 0:
                    break
            else:
                res += line
        return res

然后将您的输入文件转换为字符串列表（其中一些是多行字符串）：

ff = InFile('Input.txt')
tbl = []
while True:
    tt = ff.read()
    if not tt: break
    tbl.append(tt.strip())

最后一步是从此列表中创建一个 DataFrame：

df = pd.DataFrame({'Content': tbl})

不幸的是，如果你只尝试print(df)，Pandas会使用 each 的文本表示来打印这个 DataFrame \n，并且整个（可能是多行）字符串无论如何都会占用一行。

因此，检查已读取内容的更好方法是运行自定义循环，从每一行打印索引和内容字段：

for idx, row in df.iterrows():
    print(f'  Idx: {idx}')
    print(row.Content)

对于您的数据样本，在每个 Something之后插入一个连续数字，结果是：

  Idx: 0
Something1 Something Something
  Idx: 1
Something2 Something Something
  Idx: 2
Something3 Something Something
  Idx: 3
Something4 Something Something
Something5 Something Something
Something6 Something Something
  Idx: 4
Something7 Something Something

Something8 Something Something
Something9 Something Something
  Idx: 5
Something10 Something Something
  Idx: 6
Something11 Something Something
  Idx: 7
Something12 Something Something

请注意，Something7之后的输出包含一个空行，就像在您的输入文件中一样。

推荐阅读