用 Python 解析 CSV / 制表符分隔的 txt 文件
Posted
技术标签:
【中文标题】用 Python 解析 CSV / 制表符分隔的 txt 文件【英文标题】:Parsing CSV / tab-delimited txt file with Python 【发布时间】:2011-12-12 23:11:57 【问题描述】:我目前有一个 CSV 文件,当在 Excel 中打开时,它共有 5 列。只有 A 列和 C 列对我有任何意义,其余列中的数据无关紧要。
从第 8 行开始,然后以 7 的倍数工作(即第 8、15、22、29、36 行等),我希望使用 Python 2.7 创建一个字典,其中包含来自这些字段的信息。 A 列中的数据将是键(6 位整数),C 列中的数据是键的相应值。我试图在下面强调这一点,但格式不是最好的:-
A B C D
1 CDCDCDCD
2 VDDBDDB
3
4
5
6
7 DDEFEEF FEFEFEFE
8 123456 JONES
9
10
11
12
13
14
15 293849 SMITH
如上所述,我希望从 A7 (DDEFEEF) 中提取值作为我字典中的键,“FEFEFEFE”是相应的数据,然后在我的字典中添加另一个条目,使用“2938495”跳转到第 15 行" 是我的关键,而 "Smith" 是各自的值。
有什么建议吗?源文件是一个 .txt 文件,其中的条目以制表符分隔。 谢谢
澄清:
澄清一下,到目前为止,我已经尝试过以下方法:-
import csv
mydict = :
f = open("myfile", 'rt')
reader = csv.reader(f)
for row in reader:
print row
上面只是一次打印出所有内容。我确实尝试过“for row(7) in reader”,但这返回了一个错误。然后我研究了它并尝试了以下方法,但它也没有工作:
import csv
from itertools import islice
entries = csv.reader(open("myfile", 'rb'))
mydict = 'key' : 'value'
for i in xrange(6):
mydict['i(0)] = 'I(2) # integers representing columns
range = islice(entries,6)
for entry in range:
mydict[entries(0) = entries(2)] # integers representing columns
【问题讨论】:
@jdigital - 原始问题已编辑以包含我迄今为止尝试过的内容 “从第 8 行开始”与“A7”不一致,“6 位整数”与“DDEFEEF”不一致 -- 请编辑您的问题。 @John Machin - A7 不是我要从中提取数据的单元格,它是 A8。 A7 中的数据只是为了举例说明我的 CSV 文件中存在哪些其他数据。由于它不是 6 位整数,因此将被忽略。谢谢 @thefragileomen:尝试阅读您自己的问题:“我希望从 A7 (DDEFEEF) 中提取值作为我字典中的键,而“FEFEFEFE”是相应的数据”——正如我所说,不一致。 【参考方案1】:首先将文本转换为列表列表。这将处理解析部分:
lol = list(csv.reader(open('text.txt', 'rb'), delimiter='\t'))
其余的可以通过索引查找来完成:
d = dict()
key = lol[6][0] # cell A7
value = lol[6][3] # cell D7
d[key] = value # add the entry to the dictionary
...
【讨论】:
【参考方案2】:虽然其他解决方案没有任何问题,但您可以通过使用 python 的优秀库 pandas 来简化并大大升级您的解决方案。
Pandas 是一个用 Python 处理数据的库,受到许多数据科学家的青睐。
Pandas 有一个简化的 CSV 接口来读取和解析文件,可用于返回一个字典列表,每个字典包含一行文件。键是列名,值是每个单元格中的值。
在你的情况下:
import pandas
def create_dictionary(filename):
my_data = pandas.DataFrame.from_csv(filename, sep='\t', index_col=False)
# Here you can delete the dataframe columns you don't want!
del my_data['B']
del my_data['D']
# ...
# Now you transform the DataFrame to a list of dictionaries
list_of_dicts = [item for item in my_data.T.to_dict().values()]
return list_of_dicts
# Usage:
x = create_dictionary("myfile.csv")
【讨论】:
【参考方案3】:如果文件很大,您可能不想一次将其完全加载到内存中。这种方法避免了这种情况。 (当然,用它制作一个 dict 仍然会占用一些 RAM,但它保证比原始文件小。)
my_dict =
for i, line in enumerate(file):
if (i - 8) % 7:
continue
k, v = line.split("\t")[:3:2]
my_dict[k] = v
编辑:不确定我以前从哪里得到extend
。我的意思是update
【讨论】:
感谢您的回复。我已经尝试实现上述内容并在最后一行获得“ValueError”-“字典更新序列元素 #0 的长度为 1;需要 2”。有什么建议吗? @thefragileomen 编辑为一种更易读的方法,不需要三个级别的大括号即可工作;)以上是关于用 Python 解析 CSV / 制表符分隔的 txt 文件的主要内容,如果未能解决你的问题,请参考以下文章