Python

Question

我有一个数据集，其中的线条类似于：

G. Smith      2.2 - 1.6     1.0 - 1.5     33 - 55     660
F. John       1.4 - 0.2.                  60          850 (early) - 1100 (late)
R. Kahn       1.9 - 1.4     1.9                       700 - 850
L. Terry      0.6 - 0.35.   1.8.          60          1100 - 1400

我正在尝试获取最后一列的平均值。对于由破折号分隔的数字，我想将它们视为它们自己的平均值（例如，在计算列的总体平均值时，700 - 850 将被视为其平均值 775）

到目前为止，我的方法是拆分线，然后在每次循环线时对最后一个索引处的值进行平均。但是，我只能让它拆分每个值，使带连字符的数字成为 2 个不同的值，或者让它看起来像完美拆分但值没有用逗号分隔，所以我无法访问该行中的特定值。这是我以第二行输出为例进行的尝试（请注意，我什至没有尝试包括平均计算，因为我无法正确分割该行）：

with open('file.txt', 'r') as f:
    l = f.readline()
    while l:
        current_line = re.split('\W\W\W+', l)
        print(current_line)
        l = f.readline()

Returns:

['F. John', '1.4', '0.2', '60', '850 (early', '1100 (late)\n']

还有...

with open('file.txt', 'r') as f:
    l = f.readline()
    while l:
        current_line = re.split('^-\W\W\W+', l)
        print(current_line)
        l = f.readline()

Returns:

 ['F. John           1.4 - 0.2                    60          850 (early) - 1100 (late)\n']

第二种结果更可取，因为它将虚线值放在一起，但是正如您所看到的，所有值都组合在一起，而不是每个值都被一列分隔。

期望的结果：

 ['F. John', '1.4 - 0.2', '60', '850 (early) - 1100 (late)\n']

其中一行的括号中还有 "early/late" 的问题。我什至还没有开始考虑如何解决这个问题，因此也将不胜感激。

还有，有没有办法让它识别空格？我问这个是因为稍后我还必须获得第 3 列的最大值。我现在的想法是，如果我尝试访问第 2 行的每一行的索引 2（第 3 列的值应该在的位置），我将改为读取第 4 列的值，因为第 3 列缺少该值并且在列表中它只是继续到下一个值而不为空字段创建占位符。

如果可能的话，第二行的预期结果将如下所示：

['F. John', '1.4 - 0.2', ' ', '60', '850 (early) - 1100 (late)\n']

或者甚至：

['F. John', '1.4 - 0.2', NULL, '60', '850 (early) - 1100 (late)\n']

Answer 1

这可能对你有用： re.split('\s\s+', line)

Answer 2

I am trying to get the average of the last column.

获取最后一列的关键可能是一个不错的 regular expression like this for example

^(.*) (\d+ [A-Za-z0-9()]* - \d+ [A-Za-z0-9()]*|\d+ - \d+)$

Answer 3

last_col = re.split("\s{2,}", l)[-1] # eg '850 (early) - 1100 (late)' or '600'
patt = re.compile("(?P<num1>[0-9]+)[a-zA-z(\)\- ]+(?P<num2>[0-9]+)")
g = patt.search(last_col)

if g:
    val = (int(g.group('num1')) + int(g.group('num2'))) / 2
else:
    val = int(last_col)

`

Python - 拆分一行数字，其中一些数字包含破折号

Python - Splitting a line of numbers where some of them contain dashes

split

delimiter