如何使用熊猫读取文本文件键、值对？

Question

我想解析一个包含以下数据的文本文件。

Input.txt-

1=88|11=1438|15=KKK|45=7.7|45=00|21=66|86=a
4=13|4=1388|49=DDD|8=157.73|67=00|45=08|84=b|45=k
6=84|41=18|56=TTT|67=1.2|4=21|45=78|07=d

在此输入文本文件中，没有固定列，它可能是 10 或 20 或任何值。我想用熊猫解析这个文件。输出应包含：

output.txt-

index[0]
1     88
11    1438
15    kkk
45    7.7
45    00
21    66
86    a

index[1]
4     13
4     1388
49    DDD
8     157.73
67    00
45    08
84    b
45    k

关于如何获得此类结果的任何建议？

Answer 1

您可以先read_csv 使用不在数据中的分隔符，例如;，然后将split 与stack 加倍：

import pandas as pd
import numpy as np
import io

temp=u"""1=88|11=1438|15=KKK|45=7.7|45=00|21=66|86=a
4=13|4=1388|49=DDD|8=157.73|67=00|45=08|84=b|45=k
6=84|41=18|56=TTT|67=1.2|4=21|45=78|07=d
"""
#after testing replace io.StringIO(temp) to filename
df = pd.read_csv(io.StringIO(temp), sep=";", index_col=None, names=['text'])

print (df)
                                                text
0        1=88|11=1438|15=KKK|45=7.7|45=00|21=66|86=a
1  4=13|4=1388|49=DDD|8=157.73|67=00|45=08|84=b|45=k
2           6=84|41=18|56=TTT|67=1.2|4=21|45=78|07=d

s = df.text.str.split('|', expand=True).stack().str.split('=', expand=True)
print (s)
      0       1
0 0   1      88
  1  11    1438
  2  15     KKK
  3  45     7.7
  4  45      00
  5  21      66
  6  86       a
1 0   4      13
  1   4    1388
  2  49     DDD
  3   8  157.73
  4  67      00
  5  45      08
  6  84       b
  7  45       k
2 0   6      84
  1  41      18
  2  56     TTT
  3  67     1.2
  4   4      21
  5  45      78
  6  07       d

dfs = [g.set_index(0).rename_axis(None) for i, g in s.groupby(level=0)]
print (dfs[0])
       1
1     88
11  1438
15   KKK
45   7.7
45    00
21    66
86     a

for i, g in s.groupby(level=0):
    print (g.set_index(0).rename_axis(None))
       1
1     88
11  1438
15   KKK
45   7.7
45    00
21    66
86     a
         1
4       13
4     1388
49     DDD
8   157.73
67      00
45      08
84       b
45       k
      1
6    84
41   18
56  TTT
67  1.2
4    21
45   78
07    d

通过评论编辑：

如果需要写入文件s，请使用to_csv：

s.to_csv('file.txt', header=None, index=None, sep='\t')  

通过评论编辑1：

您可以将列名设置为空字符串并通过rename_axis 删除索引名称（pandas 0.18.0 中的新功能），但更常见的是将列名设置为某些文本（例如s.columns = ['idx','a']）：

s = df.text.str.split('|', expand=True).stack().str.split('=', expand=True)
s.columns = ['idx','']
print (s)
    idx        
0 0   1      88
  1  11    1438
  2  15     KKK
  3  45     7.7
  4  45      00
  5  21      66
  6  86       a
1 0   4      13
  1   4    1388
  2  49     DDD
  3   8  157.73
  4  67      00
  5  45      08
  6  84       b
  7  45       k
2 0   6      84
  1  41      18
  2  56     TTT
  3  67     1.2
  4   4      21
  5  45      78
  6  07       d
dfs = [g.set_index('idx').rename_axis(None) for i, g in s.groupby(level=0)]
print (dfs[0])
1     88
11  1438
15   KKK
45   7.7
45    00
21    66
86     a