从文本中的特定模式读取 txt 文件中的数据答案

【问题标题】：Read data from txt file from a specific pattern in text从文本中的特定模式读取 txt 文件中的数据
【发布时间】：2021-08-07 00:37:08
【问题描述】：

在找到特定单词后，我需要从文本文件中将数据提取到数据框中下面是一个文本文件的例子：

Signal:
197 198 180 140 
X_values:
11  26  8   15  
14  17  12  10  
** Exe Trs:
[115] time1: 1 (42 ms) - tou(): 4.7 - JH: 5 (B: 0)
[230] time2: 2 (87 ms) - tou(): 3.0 - Am: 5 (B: 0)

我想要的是创建两个数据框，如下所示：

df1: 
    Signal  X_values1  X_values2
    197     11       14
    198     26       17
    180      8       12
    140     15       10

df2:
order   time(ms) 
115      42
230      87

【问题讨论】：

与您的想法相反，Stackoverflow 不是免费的编码服务，也不是要取代现有的教程或文档。您应该发送honest attempt at the solution，然后然后在必要时询问有关它的具体问题。
分解问题。查看文件以查看它是否具有可预测的结构。然后搜索使用具有结构的文本文件。您可能希望将文件的某些部分放入列表中，也许将它们清理干净，然后将它们加入一个框架中。如果文件长度很短，您可以使用相当简单的正则表达式。如果文件真的很长，您可能需要提取块并单独处理它们。 SO 不是来为您编写代码的，但作为一些值得深思的东西并知道一些事情是可行的，请参阅这个不完整的示例：ideone.com/13nMht

标签： python pandas dataframe

【解决方案1】：

如果您的文件始终遵循相同的字段顺序，一个快速的解决方案是使用正则表达式。如果你想要更高效/更健壮的东西，你需要编写一个自定义解析器。

import re
import numpy as np
import pandas as pd

with open('your_file', 'r') as f:
    text = f.read()
    
signal, values, exec_t = re.search('Signal:\n([\d ]+)\nX_values:\n([\d\n ]+)\n\*\* Exe Trs:\n([\w\W]*)',
                                   text).groups()

signal = re.split('\s+', signal.strip())
values = re.split('\s+', values.strip())
exec_t = re.findall('\[(\d+)][^(]+\((\d+) ms', exec_t)

df1 = pd.DataFrame(np.array(values).reshape(-1, len(signal)).T,
                   index=signal,
                   columns=['X_values%s' % (i+1) for i in range(len(values)//len(signal))]
                  ).rename_axis('Signal').reset_index()

df2 = pd.DataFrame(exec_t, columns=['order', 'time(ms)'])

输出：

>>> df1
  Signal X_values1 X_values2
0    197        11        14
1    198        26        17
2    180         8        12
3    140        15        10

>>> df2
  order time(ms)
0   115       42
1   230       87

【讨论】：

虽然我想投反对票，但我没有投反对票，因为回答这样的问题只会增加出现更多问题的可能性……而且已经绰绰有余了。
@martineau 快速浏览该用户的其他问题给我的感觉是，虽然不是很擅长提问，但这仍然是一个合法用户。我认为我们无法针对措辞不佳的问题做任何事情，但我们可以尝试将它们变成有用的答案（这也是您在编辑问题以使其变得更好时所做的）。