Python CSV 查找字符串并将列号传递给变量

Question

我在过去几个月阅读了大量信息后才加入这里，因为我得到了 Python 的理由。

无论如何，我是新手，一直在尽可能多地研究，但大多数答案都超出了我的理解范围，似乎并没有完全满足我的需要。

根据我的阅读，我不确定是否应该熟悉 Panda，但我基本上需要对 ALE 文件进行简单的格式化、转换和 re-organization。 ALE 是一个简单的 tab-delimited 列表文件，其中包含视频剪辑名称和元数据。 header 位于第 8 行，内容数据位于第 11 行及以下。这是一个例子：

1 Heading
2 FIELD_DELIM   TABS
3 VIDEO_FORMAT  1080
4 AUDIO_FORMAT  48khz
5 FPS   23.976
6
7 Column
8 #### COLUMN HEADERS ####
9
10 Data
11 #### TAB DELIMITED DATA ####

现在，我们假设我的输入文件已预先格式化为去除第 1-7、9 和 10 行，所以我们只有 header 行作为第 1 行，数据从第 2 行开始.

我使用此程序的第一个任务是将整个数据列转换为一种新格式，我可以正常工作，但前提是我专门针对我正在寻找的数据集中没有标题。

for row in ale_file:
    row[3] = timecode_to_frames(row[3])
    print row

问题是，我并不总是知道数据存在的列号（因为每个程序将以不同的顺序输出元数据）但我知道 header 名称是什么。我需要以某种方式读取 header 行，当它找到名为 "start"、"end" 和 "duration" 的三个 header 时，它将通过这些列数字到一个变量。然后，在上面的 for 循环中，我将能够运行我的 timecode_to_frames 函数在与 headers.

匹配的行号上

我觉得按照这些思路应该相当简单（如果我说得太离谱请原谅我）：

for row in ale_file:
    for col in row:
        if col == 'start':
            start_col = ##column number##

然后在我现有的代码中我可以调用变量：

for row in ale_file:
    row[start_col] = timecode_to_frames(row[start_col])
    print row

旁注：在我的 FOR 循环中，我是否需要显式跳过第 1 行，因为它只是一个 header，因为它没有函数期望的格式正确的数据。也许将 for 循环嵌套在 while 循环中，例如 while row != 0: 之类的？

任何帮助将不胜感激，谢谢！

Answer 1

看来您需要的是 numpy.genfromtxt() 和 delimiter='\t' 以及 names=True

看here

您可以将生成器设置为 return 字符串，然后根据名称重新格式化 column-wise（它将从您的列 headers 中提取）。

import numpy as np
output=np.genfromtxt(ale_file, dtypes='S8', names=True, delimiter='/t')[['start','end','duration']]
#output['start'].dtype='foo'                          #if it's an included dtype
#output['start']=timecode_to_frames(output['start'])  #if not

不涉及循环！

Answer 2

如果你只需要 columnHeader 和相应的 columnValue，你可以在文件循环之前读取第一行 (header)，并在循环内使用 zip(header, row) 来获取 (columnHeader, columnValue) 的元组。

https://docs.python.org/2/library/functions.html#zip

Python CSV 查找字符串并将列号传递给变量

Python CSV find string and pass column number to variable

python

csv

timecodes