使用Python讀取基於不同列標題的文本文件中的行

Question

我有文本文件，其中包含具有兩列標題的兩個表的數據。我想讀取每一行，併爲每個表格保存兩行文件中的行或行。我想在一個文件中的（數字量）列標題之後和其他中的（代碼量昏暗的）列標題之後的行。 或者，我想分開類似表格的數據。

該文件的前幾行。表格中的行數可能會有所不同。

number amount 
    10 34 
    23 65 
    54 07 

    code volume dim 
    1 56 34 
    23 57 565 

    number amount 
    40 674 
    73 2365 

    code volume dim 
    341 3456 6534 
    23 0957 908565 

    number amount 
    210 4534 
    2343 4565 

相同模式重複。

Answer 1

如果文本number在所有文件一樣，和文字code也一樣，你可以使用read_csv，然後通過子組contains和isnull篩選列行， notnull：

import pandas as pd 
import numpy as np 
import io 

temp=u""" number amount 
    10 34 
    23 65 
    54 07 

    code volume dim 
    1 56 34 
    23 57 565 

    number amount 
    40 674 
    73 2365 

    code volume dim 
    341 3456 6534 
    23 0957 908565 

    number amount 
    210 4534 
    2343 4565""" 

#after testing replace io.StringIO(temp) to filename 
df = pd.read_csv(io.StringIO(temp), sep="\s+", index_col=None, skip_blank_lines=True, names=['a', 'b', 'c']) 
print df 
     a  b  c 
0 number amount  NaN 
1  10  34  NaN 
2  23  65  NaN 
3  54  07  NaN 
4  code volume  dim 
5  1  56  34 
6  23  57  565 
7 number amount  NaN 
8  40  674  NaN 
9  73 2365  NaN 
10 code volume  dim 
11  341 3456 6534 
12  23 0957 908565 
13 number amount  NaN 
14  210 4534  NaN 
15 2343 4565  NaN 

df = df[~((df.a.str.contains('number')) | (df.a.str.contains('code')))] 

df1 = df[df.c.isnull()] 
df1 = df1[['a', 'b']].reset_index(drop=True) 
df1.columns = ['number','amount'] 

#if all numbers are integers 
df1 = df1.astype(int) 
print df1 
    number amount 
0  10  34 
1  23  65 
2  54  7 
3  40  674 
4  73 2365 
5  210 4534 
6 2343 4565 

df2 = df[df.c.notnull()].reset_index(drop=True) 
df2.columns = ['code','volume', 'dim'] 
#if all numbers are integers 
df2 = df2.astype(int) 
print df2 
    code volume  dim 
0  1  56  34 
1 23  57  565 
2 341 3456 6534 
3 23  957 908565