[英]How to read multiple texts files, where we read all text files only of same group?
我的目录中有几个这样的文本文件,
id-2020-01-21-22.txt
id-2020-01-21-23.txt
id-2020-01-22-00.txt
id-2020-01-22-01.txt
id-2020-01-22-02.txt
id-2020-01-23-00.txt
id-2020-01-24-00.txt
那么我如何阅读它们,就像我首先一起阅读id-2020-01-21-22.txt
和id-2020-01-21-23.txt
,将它们制成数据框,将它们写入组合文本文件,然后将id-2020-01-22-00.txt
& id-2020-01-22-01.txt
& id-2020-01-22-02.txt
一起写入 dataframe 等等,直到目录中的最后一个文件。
所有文本文件的内部结构如下所示:
100232323\n
903812398\n
284934289\n
{empty line placeholder}
没有标题,但每个文本文件的末尾都有一个空行。 我是 python 的新手,如果你能帮助我,不胜感激。
这是我已经走了多远:
import os
new_list = []
for root, dirs, files in os.walk('./textFilesFolder'):
for file in files:
if file.endswith('.txt'):
with open(os.path.join(root, file), 'r') as f:
text = f.read()
new_list.append(text)
print(new_list)
您需要将每小时文件连接在一起的每日摘要。 好的,很好。
创建一个 Ymd 日期正则表达式:
import re
date_re = re.compile(r'^id-(\d{4}-\d{2}-\d{2})-\d{2}\.txt$')
prev_date = None
现在在您的循环中,您可以将现有的if
替换为:
m = date_re.search(file)
if m:
date = m.group(1)
print(f'Working on day {date} ...')
...
prev_date = date
解析出日期后,您现在可以通过比较是否prev_date == date
来注意到它何时发生变化,并采取适当的措施,例如写入新文件。
或者考虑使用with open(f'output-{date}.txt', 'a') as fout:
让你 append 到一个(可能已经存在的)文件。 这样文件系统就会为您记住事情,而不是需要跟踪程序中的更多变量。
顺便说一句,您对walk()
的使用非常好,对此表示赞赏。 但是对于这个文件目录,结构很简单,您可以使用glob :
new_list = []
for file in glob.glob('id-*.txt'):
...
编辑
假设我们从一个清晰的石板开始,没有 output 文件:
$ rm output-*.txt
然后我们可以在一个循环中只使用 append ,类似于$ cat hour01 hour02 > day31
。 或者,同样的事情,类似于$ rm day31; cat hour01 >> day31; cat hour02 >> day31
$ rm day31; cat hour01 >> day31; cat hour02 >> day31
$ rm day31; cat hour01 >> day31; cat hour02 >> day31
。
m = date_re.search(file)
if m:
date = m.group(1)
print(f'Working on day {date} ...')
with open(file) as fin:
with open(f'output-{date}.txt', 'a') as fout:
fout.write(fin.read())
就是这样,你完成了,我们阅读每小时的文本。 并将其写入每日文件的末尾。
我提到上面的rm
是因为,如果您正在调试并且运行两次或 N 次,您最终会得到一个 output 文件,该文件比您希望的大 N 倍。
您也可以尝试这样做以提高可读性。
from collections import defaultdict
import os
import pandas as pd
data = defaultdict(list)
for i in (os.listdir('files/')): # here files is a folder in current directory.
print(i) # which has your text files.
column = i.split('-')[3]
with open('files/'+i, 'r') as f:
file_data = f.read().replace('\n', ' ').split(' ')
data[column].extend(file_data[:-1])
df = pd.DataFrame(data)
print('---')
print(df)
Output:
id-2020-01-22-01.txt
id-2020-01-22-00.txt
id-2020-01-21-23.txt
id-2020-01-21-22.txt
---
22 21
0 1006523 1002323212
1 90381122 9038123912
2 28493423 284934212
3 100232323 100232323
4 903812332 903812392
5 284934212 284934289
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.