[英]How do I use numpy genfromtxt to read a fixed width, mixed format file?
[英]How do I read a fixed width format text file in pandas?
我刚刚接触了熊猫,正在研究如何读取文件。 该文件来自 WRDS 数据库,是可追溯到 1960 年代的 SP500 成分列表。 我检查了文件,无论我如何使用read_csv
导入它,我仍然无法正确显示数据。
df = read_csv('sp500-sb.txt')
df
<class 'pandas.core.frame.DataFrame'>
Int64Index: 1231 entries, 0 to 1230
Data columns: gvkeyx from thru conm
gvkey co_conm
...(the column names)
dtypes: object(1)
上面的输出块是什么意思? 任何事情都会有所帮助。
pandas.read_fwf()
已在 pandas 0.7.3( 2012 年 4 月)中添加以处理固定宽度的文件。
韦斯在一封电子邮件中回复了我。 干杯。
这是一个固定宽度格式的文件(不像往常那样用逗号或制表符分隔)。 我意识到熊猫没有像 R 那样的固定宽度阅读器,尽管可以很容易地塑造它。 我会看看我能做什么。 同时,如果您可以以另一种格式导出数据(例如 csv——真正以逗号分隔),您将能够使用 read_csv 读取它。 我怀疑使用一些 unix 魔法可以将 FWF 文件转换为 CSV 文件。
我建议关注 github 上的问题,因为您的电子邮件即将从我的收件箱中消失:)
https://github.com/pydata/pandas/issues/920
最好的,韦斯
你说的显示是什么意思? df['gvkey']
不是给你 gvkey 列中的数据吗?
如果您所做的是将整个数据框打印到控制台,请查看df.to_string()
,但如果您有太多列,则很难阅读。 如果列太多,Pandas 默认不会打印整个内容:
import pandas
import numpy
df1 = pandas.DataFrame(numpy.random.randn(10, 3), columns=['col%d' % d for d in range(3)] )
df2 = pandas.DataFrame(numpy.random.randn(10, 30), columns=['col%d' % d for d in range(30)] )
print df1 # <--- substitute by df2 to see the difference
print
print df1['col1']
print
print df1.to_string()
用户,如果您现在需要处理固定格式,您可以使用以下内容:
def fixed_width_to_items(filename, fields, first_column_is_index=False, ignore_first_rows=0):
reader = open(filename, 'r')
# skip first rows
for i in xrange(ignore_first_rows):
reader.next()
if first_column_is_index:
index = slice(0, fields[1])
fields = [slice(*x) for x in zip(fields[1:-1], fields[2:])]
return ((line[index], [line[x].strip() for x in fields]) for line in reader)
else:
fields = [slice(*x) for x in zip(fields[:-1], fields[1:])]
return ((i, [line[x].strip() for x in fields]) for i,line in enumerate(reader))
这是一个测试程序:
import pandas
import numpy
import tempfile
# create a data frame
df = pandas.DataFrame(numpy.random.randn(100, 5))
file_ = tempfile.NamedTemporaryFile(delete=True)
file_.write(df.to_string())
file_.flush()
# specify fields
fields = [0, 3, 12, 22, 32, 42, 52]
df2 = pandas.DataFrame.from_items( fixed_width_to_items(file_.name, fields, first_column_is_index=True, ignore_first_rows=1) ).T
# need to specify the datatypes, otherwise everything is a string
df2 = pandas.DataFrame(df2, dtype=float)
df2.index = [int(x) for x in df2.index]
# check
assert (df - df2).abs().max().max() < 1E-6
如果您现在需要它,这应该可以解决问题,但请记住,上面的函数非常简单,特别是它对数据类型没有任何作用。
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.