【问题标题】:How to split a csv file into multiple csv based on a given criterion?如何根据给定的标准将 csv 文件拆分为多个 csv?
【发布时间】:2019-11-27 13:54:42
【问题描述】:

我需要根据给定时间拆分几个 csv 文件。在这些文件中,时间值以秒为单位并在“时间”列中给出。

例如,如果我想在 0.1 秒内拆分 aaa.csv 文件,则需要将时间为 0.0 到 0.1 的第一组行(附件中没有 1 到 8)写入 aaa1.csv,然后时间大于 0.1 到 0.2 的行(附件中的第 9 到 21 号)到aaa2.csv 等等...(基本上是给定时间的倍数)。

输出文件需要与输入文件同名,并在末尾加上一个数字。并且输出文件需要写入不同的位置/文件夹。 时间值需要是一个变量。所以一次我可以在 0.1 秒内拆分文件,另一次我可以在 0.7 秒内拆分文件,依此类推。

请问我该如何为此编写一个 python 脚本?文件如下(整个119K文件可以从https://fil.email/vnsZsp7b下载):

No.,Time,Length
1,0,146
2,0.006752,116
3,0.019767,156
4,0.039635,144
5,0.06009,147
6,0.069165,138
7,0.0797,133
8,0.099397,135
9,0.120142,135
10,0.139721,148
11,0.1401,126
12,0.1401,120
13,0.140101,123
14,0.140101,120
15,0.141294,118
16,0.141295,118
17,0.141295,114
18,0.144909,118
19,0.160639,119
20,0.161214,152
21,0.185625,143
... etc

在@Serafeim 的回答之后,我尝试了这个:

import pandas as pd
import numpy as np
import glob
import os

path = '/root/Desktop/TT1/'
mystep = 0.4


for filename in glob(os.path.join(path, '*.csv')):
    df = pd.read_csv(filename)
    def data_splitter(df):
        max_time = df['Time'].max() # get max value of Time for the current csv file (df)
        myrange= np.arange(0, max_time, mystep) # build the threshold range
        for k in range(len(myrange)):
            # build the upper values
            temp = df[(df['Time'] >= myrange[k]) & (df['Time'] < myrange[k] + mystep)]
            #temp.to_csv("/root/Desktop/T1/xx_{}.csv".format(k))
            temp.to_csv("/root/Desktop/T1/{}_{}.csv".format(filename, k))

data_splitter(df)

【问题讨论】:

  • 到目前为止你有什么尝试?
  • @MarsNebulaSoup 我知道如何使用wireshark 中的editcap 工具来做到这一点。但它不支持小于 1 秒的值。我是编程新手,所以我不知道该怎么做。我真的很抱歉
  • @Hasa 但您是否尝试过将0.1 传递给editcap?
  • 是的。它不接受十进制值。
  • @Hasa 从 4 天前就开始了,如果你想尝试从 git 编译更新的版本。 github.com/wireshark/wireshark/commit/…

标签: python python-3.x pandas csv


【解决方案1】:

您只需要使用pandas 对数据框应用逻辑操作。 ✔️

在这个答案的最后,我有一个“脚本想法”来自动执行此操作,但首先让我们一步一步来:

# Load the files using pandas
import pandas as pd

df = pd.read_csv("/Users/serafeim/Downloads/Testfile.csv")

# Get the desired elements based on 'Time' column
mask = df['Time'] < 0.1

# Write the new file
df_1 = df[mask] # or directly use: df_1 = df[df['Time'] < 0.1]

# save it 
df_1.to_csv("Testfile1.csv")

print(df_1)
    No.      Time  Length
0    1  0.000000     146
1    2  0.006752     116
2    3  0.019767     156
3    4  0.039635     144
4    5  0.060090     147
5    6  0.069165     138
6    7  0.079700     133
7    8  0.099397     135

#For 0.1 to 0.2 applying 2 logical conditions
df_2 = df[(df['Time'] > 0.1) & (df['Time'] < 0.2)]

剧本构思:

import pandas as pd
import numpy as np

mystep = 0.2 # the step e.g. 0.2, 0.4, 0.6 

#define the function
def data_splitter(df):
    max_time = df['Time'].max() # get max value of Time for the current csv file (df)
    myrange= np.arange(0, max_time, mystep) # build the threshold range
    for k in range(len(myrange)):
        # build the upper values 
        temp = df[(df['Time'] >= myrange[k]) & (df['Time'] < myrange[k] + mystep)]
        temp.to_csv("/Users/serafeim/Downloads/aaa_{}.csv".format(k))

现在,调用函数:

df = pd.read_csv("/Users/serafeim/Downloads/Testfile.csv")
data_splitter(df) # pass the df to the function and call the function

最后,您可以创建一个循环,并在data_splitter() 函数中一一传递每个df

为了更清楚地说明函数的作用如下:

for k in range(len(myrange)):
    print myrange[k], myrange[k]+step

打印出来:

0.0 0.2
0.2 0.4
0.4 0.6000000000000001
0.6000000000000001 0.8
0.8 1.0

因此它会根据当前 .csv 文件的 Time 列的最大值自动创建下限和上限阈值。

编辑 2:

import glob, os
path = '/Volumes/'

mystep = 0.2 

for filename in glob.glob(os.path.join(path, '*.csv')):
    df = pd.read_csv(filename)
    data_splitter(df)

把所有的放在一起:

import pandas as pd
import numpy as np
import glob
import os

path = '/root/Desktop/TT1/'
mystep = 0.4

#define the function
def data_splitter(df, name):
    max_time = df['Time'].max() # get max value of Time for the current csv file (df)
    myrange= np.arange(0, max_time, mystep) # build the threshold range
    for k in range(len(myrange)):
        # build the upper values 
        temp = df[(df['Time'] >= myrange[k]) & (df['Time'] < myrange[k] + mystep)]
        temp.to_csv("/root/Desktop/T1/{}_{}.csv".format(name, k))

for filename in glob.glob(os.path.join(path, '*.csv')):
    df = pd.read_csv(filename)
    name = os.path.split(filename)[1] # get the name of the file
    data_splitter(df, name) # call the splitting function

【讨论】:

  • 评论不用于扩展讨论;这个对话是moved to chat
  • @serafeim 我尝试将输出文件写入与原始文件具有相同子文件夹名称的不同文件夹。但没有运气。无论如何感谢所有的帮助。我接受了你的回答。如果您知道如何解决上述问题,请发布。再次感谢
  • 完成.. 我接受了这两个答案。但我认为 stackoverflow 只允许我接受一个答案。这就是为什么一个答案不被接受的原因。如果您能帮助我解决问题,那将是非常有帮助的。 :) 谢谢。
  • 你到底想做什么?把新文件写在哪里?用什么名字?代码可以在您的系统上运行吗?
  • 我当前的代码使用'*.csv' 并捕获path 中的所有.csv 文件。在您的情况下,一种解决方案是直接设置path='/root/Desktop/InputFiles/Sub1/',运行代码,然后运行path='/root/Desktop/InputFiles/Sub2/'。如果你想让它更自动化,你需要另一个循环来找到 Sub1 和 Sub2 并自动更改 path 但这可能是另一个问题
【解决方案2】:

假设您有 2 个目录:Source 和 Test。 Source 包含所有源 csv 文件,Test 目录将包含所有输出文件。

import os
import glob

os.chdir("/home/prasanth-8508/Downloads/Source")
for csv_file in glob.glob("*.csv"):
    contents, output_list = list(), list()
    with open(csv_file) as f:
        contents.append(f.read().replace('"', ""))

    contents = ''.join(contents).split('\n')
    header = contents[0]
    contents = contents[1:]
    op_file_counter = 1
    split_factor = float(input("Enter split factor:"))
    split_num = split_factor
    i = 0
    contents = list(filter(None, contents))

    while i < len(contents)-1:
        try:
            row = contents[i].split(",")
            if not(str(float(row[1])).startswith(str(split_num)[0:str(split_num).index(".")+2], 0, str(split_num).index(".")+2)):
                output_list.append(contents[i])
                i += 1
            else:
                if len(output_list) > 0:
                    with open("/home/prasanth-8508/Downloads/Test/file" + str(op_file_counter) + ".csv", "a+") as f:
                        f.write(header+'\n')
                        for j in output_list:
                            f.write(j+'\n')
                    op_file_counter += 1
                    output_list = list()
                split_num += split_factor
                split_num = round(split_num,1)
                print(split_num)
        except IndexError:
            break

    with open("/home/prasanth-8508/Downloads/Test/file" + str(op_file_counter) + ".csv", "a+") as f:
        f.write(header+'\n')
        for j in output_list:
            f.write(j+'\n')

    print(csv_file+" processed successfully")

运行程序后我得到了 600 多个文件,这些文件太大而无法共享。

【讨论】:

    猜你喜欢
    • 2015-09-03
    • 1970-01-01
    • 1970-01-01
    • 2021-01-26
    • 2019-06-14
    • 2022-01-16
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    相关资源
    最近更新 更多