代码之家 › 专栏 › 技术社区 › user026

如何从文本中分离特定的字符串并将它们作为列名添加?

strip split text pandas python-3.x

user026 · 技术社区 · 5 年前

想象一下我有一个这样的txt文件:

'''
Useless information 1
Useless information 2
Useless information 3
Measurement:
Len. (cm)   :length of the object
Hei. (cm)   :height of the object
Tp.         :type of the object
~A DATA
10  5   2
8   7   2
5   6   1
9   9   1
'''

我想把“~A DATA”下面的值作为一个数据帧。虽然我的列中已经有了一些乱七八糟的数据行,但我已经看到了:

with open(r'C:\Users\Lucas\Desktop\...\text.txt') as file:
    for line in file:
        if line.startswith('~A'):
           measures = line.split()[len(line):]
           break

    df = pd.read_csv(file, names=measures, sep='~A', engine='python')

newdf = df[0].str.split(expand = True)

newdf()
    0  1  2
0  10  5  2
1   8  7  2
2   5  6  1
3   9  9  1

现在,我想把文本中的'Len'、'Hei'和'Tp'作为列名放在DataFrame上。只有这些测量代码(没有相应的字符串)。我怎么能做到这一点呢?

    Len  Hei  Tp
  0  10   5   2
  1   8   7   2
  2   5   6   1
  3   9   9   1

解决方案之一是将字符串“Measurement”(或以“Len…”开头)下面的每一行拆分到字符串“~A”(或以“Tp”结束)上方的每一行。然后把我们得到的每一条线分开。但我不知道怎么做。

0 回复 | 直到 5 年前

Anant Mittal 5 年前

解决方案1: 如果您想从文本文件本身中删除列名,那么您需要知道列名信息是从哪一行开始的,然后逐行读取文件并对您知道的以列名作为文本的特定行进行处理。

为了回答您所问的具体问题,我们假设变量 line line = Len. (cm) :length of the object ,您可以进行基于regex的拆分,其中,您可以拆分除数字和字母以外的任何特殊符号。

import re
splited_line = re.split(r"[^a-zA-Z0-9]", line) #add other characters which you don't want
print(splited_line)

['Len', ' ', 'cm', '   ', 'length of the object']

此外,要获得列名,从列表中选择第一个元素作为 splited_line[0]

解决方案2: 如果你已经知道列名,你可以

df.columns = ['Len','Hei','Tp']

In [34]: f = open('text.txt', "rb") 
    ...: flag = False 
    ...: column_names = [] 
    ...: for line in f: 
    ...:     splited_line = re.split(r"[^a-zA-Z0-9~]", line.decode('utf-8')) 
    ...:     if splited_line[0] == "Measurement": 
    ...:         flag = True 
    ...:         continue 
    ...:     elif splited_line[0] == "~A": 
    ...:         flag = False 
    ...:     if flag == True: 
    ...:         column_names.append(splited_line[0])