Skip to main content
 首页 » 编程设计

python之使用 Python 根据不同的列标题读取文本文件中的行

2025年05月04日9webabcd

我有一个文本文件,其中包含两个带有两个列标题的表的数据。我想读取每一行并将行或行保存在每个表的两个文件中。我想要一个文件中的 (number amount) 列标题之后的行和另一个文件中的 (code volume dim) 列标题之后的行。 或者,我想为类似的表分离数据。

文件的前几行。表中的行数可能会有所不同。

    number amount 
    10 34 
    23 65 
    54 07 
 
    code volume dim 
    1 56 34 
    23 57 565 
 
    number amount 
    40 674 
    73 2365 
 
    code volume dim 
    341 3456 6534 
    23 0957 908565 
 
    number amount 
    210 4534 
    2343 4565 

重复相同的模式。

请您参考如下方法:

如果所有文件中的文本 number 和文本 code 都相同,您可以使用 read_csv 然后通过 contains 和 isnull 按子集过滤列行, notnull:

import pandas as pd 
import numpy as np 
import io 
 
temp=u""" number amount 
    10 34 
    23 65 
    54 07 
 
    code volume dim 
    1 56 34 
    23 57 565 
 
    number amount 
    40 674 
    73 2365 
 
    code volume dim 
    341 3456 6534 
    23 0957 908565 
 
    number amount 
    210 4534 
    2343 4565""" 
#after testing replace io.StringIO(temp) to filename 
df = pd.read_csv(io.StringIO(temp), sep="\s+", index_col=None, skip_blank_lines=True, names=['a', 'b', 'c']) 
print df 
         a       b       c 
0   number  amount     NaN 
1       10      34     NaN 
2       23      65     NaN 
3       54      07     NaN 
4     code  volume     dim 
5        1      56      34 
6       23      57     565 
7   number  amount     NaN 
8       40     674     NaN 
9       73    2365     NaN 
10    code  volume     dim 
11     341    3456    6534 
12      23    0957  908565 
13  number  amount     NaN 
14     210    4534     NaN 
15    2343    4565     NaN 
df = df[~((df.a.str.contains('number')) | (df.a.str.contains('code')))] 
 
df1 = df[df.c.isnull()] 
df1 = df1[['a', 'b']].reset_index(drop=True) 
df1.columns = ['number','amount'] 
 
#if all numbers are integers 
df1 = df1.astype(int) 
print df1 
   number  amount 
0      10      34 
1      23      65 
2      54       7 
3      40     674 
4      73    2365 
5     210    4534 
6    2343    4565 
 
df2 = df[df.c.notnull()].reset_index(drop=True) 
df2.columns = ['code','volume', 'dim'] 
#if all numbers are integers 
df2 = df2.astype(int) 
print df2 
   code  volume     dim 
0     1      56      34 
1    23      57     565 
2   341    3456    6534 
3    23     957  908565