我有 15 个 .txt 列表，我想按类别将它们组合起来，并将每个列表的描述单独保存在一个新列中。不幸的是，并非所有类别都出现在每个列表中，并且描述需要与正确的类别相对应。
例如，如果我的两个列表看起来像：
List 1:
1 a
4 b
5 c
2 d
List 2:
3 a
6 c
7 f
2 g
我正在寻找一个输出，例如（但最终要合并 15 个文件）：
category List1 List2
a 1 3
b 4
c 5 6
d 2
f 7
g 2
是否有人提供脚本建议来帮助实现这一目标？ 谢谢！
【问题讨论】：
标签： python list perl scripting command
PYTHON 解决方案：
我想你的文件以这种方式包含数据：
1 a
4 b
5 c
2 d
这是我的示例代码，我将解释发生了什么。
files = ['test1.txt', 'test2.txt']
category_dict = dict()
for _file in files:
with open(_file, 'r') as fhl:
for line in fhl:
key, val = line.split()
if key in category_dict:
category_dict[key].append(val)
else:
category_dict[key] = [val]
print(category_dict)
打印结果：
{'1': ['a'], '4': ['b'], '5': ['c'], '2': ['d', 'g'], '3': ['a'], '6': ['c'], '7': ['f']}
首先，我创建一个简单的列表，列出我想要阅读的所有文件。请注意，您可以通过 os.walk（在线查看）从目录中获取所需的所有文件，或者您可以简单地在此列表中添加失败（完整 pat）。
files = ['test1.txt', 'test2.txt']
然后我们创建一个字典对象以您想要的方式存储我们的数据：
category_dict = dict()
然后我们遍历文件列表并打开每个文件并逐行读取：
for _file in files:
with open(_file, 'r') as fhl:
for line in fhl:
这是有趣的部分。如果文件与您上面显示的格式不完全一致，您可能会得到错误或以您想要的方式读取数据。检查您的文件并根据需要调整“split()”部分。
另外，我们拆分（网上查），基本上是把一个字符串拆分成单词列表。
key, val = line.split()
请注意，如果它们没有用空格分隔，您可能需要调整上面的行。
之后我们检查'key'是否出现在'category_dict'中，如果没有，我们创建它，然后使它等于我们从文件中获得的值的列表。如果键已经存在，这意味着我们已经为该“键”分配了一个值列表。然后我们只需附加新值。
这样您将拥有一个“类别”并分别保留每个“键”值。
编辑： 如果要将结果记录在一个文件（txt 扩展名）中，则 dict 中的每个值都要写在一个新行上，示例如下：
with open('results.txt', 'w+') as fhl:
for key in category_dict:
fhl.write('{} {}'.format(key, ' '.join(category_dict[key])))
fhl.write('\n')
结果：
1 a
4 b
5 c
2 d g
3 a
6 c
7 f
【讨论】：
import glob
import pandas as pd
files = glob.glob('*.txt')
#eg: files = ['1.txt','2.txt']
result = pd.DataFrame()
for file in files:
df = pd.read_csv(file,delimiter=' ')
current_col = df.columns[0]
df.reset_index(inplace=True)
df.set_index(current_col,inplace=True)
df.index.name = 'index'
df.rename(columns={'index':current_col}, inplace=True)
result = pd.concat([result,df],axis=1)
>>> result
List 1: List 2:
a 1.0 3.0
b 4.0 NaN
c 5.0 6.0
d 2.0 NaN
f NaN 7.0
g NaN 2.0
>>> result.fillna(0)
List 1: List 2:
a 1.0 3.0
b 4.0 0.0
c 5.0 6.0
d 2.0 0.0
f 0.0 7.0
g 0.0 2.0
【讨论】：