导入文本文件以处理特定列

Question

我是 python 使用的新手。但是通过实践学习在我的数据处理中使用。

我有一个格式如下所示的大数据文件。
始终未知行数和列数。在此示例中，显示了 2 个连续的行。
第一列是 "time"，第 n 列是要从标识符中选择的相关数据（第一行的 'abc'）。

............
"2013-01-01 00:00:02" 228 227 15.65 15.84 14.85 14.68 14.53 13.75 12.45 12.55
"2013-01-02 00:01:03" 225 227 16.35 15.99 14.85 14.73 14.43 13.8 12.85 13.2
...............

期望的输出为

Column1 = 以时间为单位这样时差就可以了计算。
column (n) = 要进一步处理的数据，应该在浮动。

在我过去的试验中，我最终出现在列表中，因此无法转换任何一列。

我试图搜索过去的问题和答案。但未能全部解释，因为我是初学者。我希望您能快速帮助将数据读入列格式，以便稍后处理。我相信，进一步的处理可以小心，因为它是更多的数学运算。

非常感谢你的帮助。

此致
古里

CORRECTION-1：
我理解 pandas 提供了一个压缩版本来提取我之前需要的列。群里提点好学习
代码如下所示：

import pandas as pd
data = pd.read_csv(fp, sep='\t')
entry=[]
entry = data['u90']
print entry, '\n', entry[5]

out_file = open("out.txt", "w")
entry.to_csv(out_file)

此致
古里

Answer 1

如果您有兴趣使用正则表达式，而不是 pandas，那么对于您的数据集，以下代码有效。

import re

#l1 = ["\"2013-01-01 00:00:02\" 228 227 15.65 15.84 14.85 14.68 14.53 13.75 12.45 12.55",
#"\"2013-01-02 00:01:03\" 225 227 16.35 15.99 14.85 14.73 14.43 13.8 12.85 13.2"]

l1 = """"2013-01-01 00:00:02\" 228 227 15.65 15.84 14.85 14.68 14.53 13.75 12.45 12.55
"2013-01-02 00:01:03\" 225 227 16.35 15.99 14.85 14.73 14.43 13.8 12.85 13.2"""

l_match = re.findall(r'(\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2})\"\s\d+\s\d+\s\d+\.\d+\s(\d+\.\d+)',l1)

if l_match:
    for each_find in l_match:
        l_date = each_find[0]
        l_number = float(each_find[1])
        print l_date
        print l_number

输出

2013-01-01 00:00:02
15.84
2013-01-02 00:01:03
15.99

Answer 2

正如 Hugo Honorem 在评论中指出的那样，您可以使用 pandas。

如果你不想在你的项目中引入更多的依赖，你可以使用这样的函数：

from operator import itemgetter

def load_dataset(fp, columns, types=None, delimiter=' ', skip_header=True):
    get_columns = itemgetter(*columns)
    if skip_header:
        next(fp)
    dataset = []
    for line in fp:
        parts = line.split(delimiter)
        columns = get_columns(parts)
        if types is not None:
            columns = [convertor(col) for convertor, col in zip(types, columns)]
        dataset.append(columns)
    return dataset

columns 应该是整数列表，types 是可调用对象列表，可将所需列转换为您希望它们成为的类型。对于花车，只需传入 float，对于您的日期，您可以传递自定义 to_date 函数。

Answer 3

您拥有的是一个 CSV 文件，以空格作为分隔符，因此您可以使用 CSV 库 (https://docs.python.org/2/library/csv.html)。否则，您可以逐行阅读并使用 split()

进行解析

f = open('myfile.csv','r')
for line in f.readlines():
    date = line.split(' ')[0]
    value = line.split(' ')[N]

其中 N 是您的值所在的列（在您的示例中为 4）。

不过，我强烈推荐pandas，它会让你的代码质量更上一层楼。

导入文本文件以处理特定列

import text file to process specific columns

python

datacolumncollection