打开并读取以空格分隔的txt文件

Question

我有一个用空格分隔的txt文件，如下所示：

2004          Temperature for KATHMANDU AIRPORT       
        Tmax  Tmin
     1  18.8   2.4 
     2  19.0   1.1 
     3  18.3   1.7 
     4  18.3   1.0 
     5  17.8   1.3 

我想分别计算Tmax和Tmin的平均值。 但是，我很难读取txt文件。 我尝试了这样的链接 。

import re
list_b = []
list_d = []

with open('TA103019.95.txt', 'r') as f:
    for line in f:
        list_line = re.findall(r"[\d.\d+']+", line)
        list_b.append(float(list_line[1])) #appends second column
        list_d.append(float(list_line[3])) #appends fourth column

print list_b
print list_d

但是，这给了我一个错误： IndexError: list index out of range这里有什么问题？

Answer 1

一种简单的解决方法是使用split()函数。 当然，您需要删除前两行：

with io.open("path/to/file.txt", mode="r", encoding="utf-8") as f:
    next(f)
    next(f)
    for line in f:
        print(line.split())

你得到：

['1', '18.8', '2.4']
['2', '19.0', '1.1']
['3', '18.3', '1.7']
['4', '18.3', '1.0']
['5', '17.8', '1.3']

引用文档：

如果未指定sep或为None ，则将应用不同的拆分算法：连续的空白行将被视为单个分隔符，并且如果字符串具有前导或尾随空格，则结果在开头或结尾将不包含空字符串。

Answer 2

如前所述这里 ， re.findall名单正则表达式的所有比赛。 您定义的表达式与文件中的任何内容都不匹配，因此会得到一个空数组，从而在尝试访问list_line[1]时导致错误。

• 您要基于该文件匹配的表达式将为r"\\d+\\.\\d+" ，匹配任何十进制数字，该数字必须与小数点前至少一位数字，该小数点后至少一位数字相同
• 即使此表达式在前两行中都不匹配，所以您将需要检查空数组
• 结果不知道任何列，只是模式的匹配，并且每条数据线将有两个匹配-您将要归一化0和1

所以：import re list_b = [] list_d = []

with open('TA103019.95.txt', 'r') as f:
    for line in f:
        list_line = re.findall(r'\d+\.\d+', line)
        if len(list_line) == 2 :
            list_b.append(float(list_line[0])) #appends second column
            list_d.append(float(list_line[1])) #appends fourth column

print list_b
print list_d

Answer 3

import re
list_b = []
list_d = []

with open('TA103019.95.txt', 'r') as f:
    for line in f:
        # regex is corrected to match the decimal values only
        list_line = re.findall(r"\d+\.\d+", line) 

        # error condition handled where the values are not found 
        if len(list_line) < 2: 
            continue

        # indexes are corrected below
        list_b.append(float(list_line[0])) #appends second column
        list_d.append(float(list_line[1])) #appends fourth column

print list_b
print list_d

我在代码本身中添加了一些注释并添加了答案。

您收到的Index out of range error是因为list_line仅具有一个元素（即文件的第一行中为2004），并且您试图访问list_line的第一个索引和第三个索引。

Answer 4

完整解决方案

def readit(file_name,start_line = 2): # start_line - where your data starts (2 line mean 3rd line, because we start from 0th line) 
    with open(file_name,'r') as f:
        data = f.read().split('\n')
    data = [i.split(' ') for i in data[start_line:]]
    for i in range(len(data)):
        row = [(sub) for sub in data[i] if len(sub)!=0]
        yield int(row[0]),float(row[1]),float(row[2])


iterator = readit('TA103019.95.txt')


index, tmax, tmin = zip(*iterator)


mean_Tmax = sum(tmax)/len(tmax)
mean_Tmin = sum(tmin)/len(tmin)
print('Mean Tmax: ',mean_Tmax)
print('Mean Tmnin: ',mean_Tmin)

>>> ('Mean Tmax: ', 18.439999999999998)
>>> ('Mean Tmnin: ', 1.5)

感谢Dan D.提供更优雅的解决方案

Answer 5

简化您的生活，避免再次遇到这个问题。

也许您误读了标题行？ 如果文件的格式是固定的，我通常在开始循环之前先用读取的行“烧写”标题行，例如：

with open(file_name, 'r') as f:
    f.readline()  # burn the header row
    for line in f:
        tokens = line.strip().split(' ')   # tokenize the row based on spaces

然后，您将获得一个令牌列表，这些令牌将是您需要转换为int或float或从那里开始的字符串！

输入几个打印语句，以查看您要提取的内容...

Answer 6

您的文件是否可能用制表符分隔？

对于制表符分隔：

with open('TA103019.95.txt', 'r') as f:
    for idx, line in enumerate(f):
        if idx > 1:                    
            cols = line.split('\t'): #for space delimited change '\t' to ' '
            tmax = float(col[1])
            tmin = float(col[2])
            #calc mean

            mean = (tmax + tmin) / 2
            #not sure what you want to do with the result