如何使用numpy将文本文件细分为几个单独的数组

Question

我有一个文本文件，我想根据其中一行中的值将其细分为 3 个单独的文本文件。 如果 LineID 为 1，我想将具有该 LineID 的所有行移动到一个单独的数组，甚至是一个单独的文本文件。

文本文件输出：

Num  LineID  ColA  ColB ColC
1 1 7 3.5 89.9
1 2 6.8 3.1 90.02
1 3 7.5 2.9 90
2 1 7.2 3.2 92
2 2 7.1 3.1 89.8
2 3 6.9 2.87 88
3 1 7.3 2.9 90
3 2 7.03 3.04 90
3 3 7.2 3 89.6

我想根据 LineID 值将其分成三个单独的数组或文本文件。

LineID = 1 的第一个数组

Num  LineID  ColA  ColB ColC
1 1 7 3.5 89.9
2 1 7.2 3.2 92
3 1 7.3 2.9 90

LineID=2 的第二个数组

Num  LineID  ColA  ColB ColC
1 2 6.8 3.1 90.02
2 2 7.1 3.1 89.8
3 2 7.03 3.0 4 90

LineID=3 的第三个数组

Num  LineID  ColA  ColB ColC
1 3 7.5 2.9 90
2 3 6.9 2.87 88
3 3 7.2 3 89.6

有没有人知道如何在 python 或 Numpy/Pandas 中做到这一点？

Ivan 提供了一个很好的解决方案，我还没有全部检查过，它只是在每行的开头添加了一个额外的数字，该数字对应于该行在原始数组/文本文件中的原始位置。 我已经尝试过使用 ',' 和 ' ' 分隔的 csv 和空格分隔的 txt 文件，结果是一样的。

   Num  LineID  ColA  ColB  CoLC
0    1       1   7.0   3.5  89.9
3    2       1   7.2   3.2  92.0
6    3       1   7.3   2.9  90.0
   Num  LineID  ColA  ColB   CoLC
1    1       2  6.80  3.10  90.02
4    2       2  7.10  3.10  89.80
7    3       2  7.03  3.04  90.00
   Num  LineID  ColA  ColB  CoLC
2    1       3   7.5  2.90  90.0
5    2       3   6.9  2.87  88.0
8    3       3   7.2  3.00  89.6

Answer 1

根据您的文本文件将命名为example.txt ，内容如下：

Num  LineID  ColA  ColB ColC
1 1 7 3.5 89.9
1 2 6.8 3.1 90.02
1 3 7.5 2.9 90
2 1 7.2 3.2 92
2 2 7.1 3.1 89.8
2 3 6.9 2.87 88
3 1 7.3 2.9 90
3 2 7.03 3.04 90
3 3 7.2 3 89.6

您可以使用 pandas 将其作为 DataFrame 导入：

import pandas as pd
df = pd.read_csv('example.txt', sep=' ')

然后你可以在行 id 上进行过滤：

df1 = df[df.LineID == 1]
...

Answer 2

这应该会有所帮助，id1、id2 和 id3 有你需要的东西，你可以稍后用它们每个写一个文件。

import pandas as pd

data = pd.read_csv('textfile.txt', sep=" ")
id1 = data[data['LineID'] == 1]
id2 = data[data['LineID'] == 2]
id3 = data[data['LineID'] == 3]

print(id1)
print(id2)
print(id3)

Answer 3

groupby和to_csv

• 请确保包含选项index=False以指示您不想在输出中包含索引。
• 请不要手动搜索每个唯一的'LineID'并按与它相同的内容对您的DataFrame进行子集化。 使用groupby ！
• 此外，您可以非常优雅地遍历groupby对象，例如字典。 这就是我在下面所做的。

---

for lid, grp in df.groupby('LineID'):
    grp.to_csv(f'text_{lid}.csv', index=False, sep=' ')

---

核实

from pathlib import Path

for fp in Path('.').glob('text_*.csv'):
    print(fp)
    print('-' * 80)
    print(open(fp).read())
    print()

text_1.csv
--------------------------------------------------------------------------------
Num LineID ColA ColB ColC
1 1 7.0 3.5 89.9
2 1 7.2 3.2 92.0
3 1 7.3 2.9 90.0


text_2.csv
--------------------------------------------------------------------------------
Num LineID ColA ColB ColC
1 2 6.8 3.1 90.02
2 2 7.1 3.1 89.8
3 2 7.03 3.04 90.0


text_3.csv
--------------------------------------------------------------------------------
Num LineID ColA ColB ColC
1 3 7.5 2.9 90.0
2 3 6.9 2.87 88.0
3 3 7.2 3.0 89.6

---

'LineID'的DataFrame dict

dict_of_df_by_lid = dict((*df.groupby('LineID'),))
# Less Obtuse
# dict_of_df_by_lid = {k: v for k, v in df.groupby('LineID')}

---

核实

for k, v in dict_of_df_by_lid.items():
    print(f'LineID: {k}')
    print('-' * 80)
    print(v)
    print()

LineID: 1
--------------------------------------------------------------------------------
   Num  LineID  ColA  ColB  ColC
0    1       1   7.0   3.5  89.9
3    2       1   7.2   3.2  92.0
6    3       1   7.3   2.9  90.0

LineID: 2
--------------------------------------------------------------------------------
   Num  LineID  ColA  ColB   ColC
1    1       2  6.80  3.10  90.02
4    2       2  7.10  3.10  89.80
7    3       2  7.03  3.04  90.00

LineID: 3
--------------------------------------------------------------------------------
   Num  LineID  ColA  ColB  ColC
2    1       3   7.5  2.90  90.0
5    2       3   6.9  2.87  88.0
8    3       3   7.2  3.00  89.6

Answer 4

如果初始文件很大，或者如果你想节省内存，并且你可以有比FileID更多的打开文件，你甚至可以用csv模块一次处理一行。

假设初始文件是file.txt并且您想将其拆分为多个file_i.txt文件，其中i是 LineID：

import csv

ident = 'LineID'
with open('file.txt') as fdin:
    files = {}                # to store the output files and writers
    rd = csv.DictReader(fdin, delimiter=' ', skipinitialspace=True)
    for row in rd:
        if not row[ident] in files:    # found a new LineID
            fout = open('file_{}.txt'.format(row[ident]), 'w', newline='') # create the file
            wr = csv.DictWriter(fout, rd.fieldnames)                       # and the associated writer
            wr.writeheader()                                               # write the header
            files[row[ident]] = (wr, fout)                                 # store everything in files
        files[row[ident]][0].writerow(row)              # write each row to the appropriate file

# close the output files
for id in files:
    files[id][1].close()