通过在制表符，空格和换行符上分割来读取数据框中的txt文件

Question

我在将txt文件读入熊猫数据帧时遇到问题。 我在txt文件中有这样的数据。

97ebd0c6680f7c0535dbfdead6e51b4b    dd65fa250fca2833a3a8c16d2cf0457c
ed180d7daf639d936f1aeae4f7fb482f    4725c39a5e5f4c188d382da3910b3f3f
3e12208dd0be281c92a6ab57d9a6fb32    24  2016-01-01 13:37:23

92c3ac9251cc9b5aab90b114a1e363be    c077e0297639edcb1df6189e8cda2c3d
191a180f0a262aff3267775c4fac8972    82cc4851f9e4faa4e54309f8bb73fd7c
b05379ac3f9b7d99370d443cfd5dcc28    2   2016-01-01 09:47:54
.....

请注意，数据由制表符，换行符和空格分隔。 共有8列。 我写的是这个。 此解决方案适用于制表符和换行符，但不能使用空格。

data = [i.strip('\n').split('\t') for i in open('./training_data/order_data/order_data_2016-01-01')]

它产生这样的东西。

[['97ebd0c6680f7c0535dbfdead6e51b4b','dd65fa250fca2833a3a8c16d2cf0457c',
  'ed180d7daf639d936f1aeae4f7fb482f','4725c39a5e5f4c188d382da3910b3f3f',
  '3e12208dd0be281c92a6ab57d9a6fb32', '24', '2016-01-01 13:37:23'],
 ['92c3ac9251cc9b5aab90b114a1e363be', 'c077e0297639edcb1df6189e8cda2c3d', 
  '191a180f0a262aff3267775c4fac8972', '82cc4851f9e4faa4e54309f8bb73fd7c',
  'b05379ac3f9b7d99370d443cfd5dcc28', '2', '2016-01-01 09:47:54']

请注意，它在制表符和换行符处分开，但在空格处失败。

'2016-01-01 13:37:23'

我也试过了，但是没有用。

data=pd.read_fwf('./training_data/order_data/order_data_2016-01-01', sep=' ')
data = re.split(r'\t', str(data))

能否请您推荐此代码中的更新？ 它生成列表，我可以将其转换为数据帧。 但是如果您有直接生成数据帧的解决方案，那将是有帮助的。 谢谢

Answer 1

您可以使用re.split ：

import re, pandas
new_data = list(filter(None, [re.split('\s+', i.strip('\n')) for i in open('filename.txt')]))
result = pandas.DataFrame(new_data)

new_data输出：

[['97ebd0c6680f7c0535dbfdead6e51b4b', 'dd65fa250fca2833a3a8c16d2cf0457c'], ['ed180d7daf639d936f1aeae4f7fb482f', '4725c39a5e5f4c188d382da3910b3f3f'], ['3e12208dd0be281c92a6ab57d9a6fb32', '24', '2016-01-01', '13:37:23'], ['92c3ac9251cc9b5aab90b114a1e363be', 'c077e0297639edcb1df6189e8cda2c3d'], ['191a180f0a262aff3267775c4fac8972', '82cc4851f9e4faa4e54309f8bb73fd7c'], ['b05379ac3f9b7d99370d443cfd5dcc28', '2', '2016-01-01', '09:47:54']]

Answer 2

pd.read_table（'your_file'，header = None，sep ='\\ s +'）此解决方案有效，因为它将遇到所有单个空格+空格（tab）。