Question

我有一个测量设备，它可以将数据记录在this folder中的.dat文件中，例如raw_data.dat，它们都具有相同的结构，并且我希望能够将文件中的最后一个表提取到熊猫数据中框架。

该文件有几个表，我不确定这里的列表结构是否是.dat文件的标准格式，但是我尝试将文本粘贴到excel中，并且将文本识别为单独的表，因此可能将结构正确读入python的标准方法。我找不到一个，所以我尝试了一种真正令人费解的方法，将.dat文件读取为字符串，然后手动切掉文件的顶部并将其余部分另存为.dat文件。我的希望是，然后能够以某种方式将结果另存为.csv或.xls，但我仍然找不到任何方法。此外，在导入后，表格将转换为\ t，并且不会返回已保存文件中的表格。我的代码如下


mylines = []                             
with open ('raw_file.dat', 'rt') as myfile:
    for myline in myfile:
        mylines.append(myline)

string = (mylines[8:])

with open("updated.dat", "w") as output:
    output.write(str(string))

我必须承认我是python的新手，我不确定我是否正确使用了这些函数。不过，我希望有比解决方案更直接的方法。

Answer 1

如果可以确定想要的第三张表从第8行开始，那么除了从第8行开始对文件建立索引之外，没有其他理由使您变得更加复杂。从那里，您可以使用字符串操作和列表理解来清理数据：

import pandas as pd

# Read the data.
with open('raw_data.dat', 'r') as fh:
    lines = fh.readlines()[8:]

# Remove newlines, tabs, and split each string separated by spaces.
clean = [line.strip.replace('\t', '').split() for line in lines]

# Feed the data into a DataFrame.
data = pd.DataFrame(clean[1:], columns=clean[0])

输出：

               Time         Variab1e1  ...               v18               v19
0  +0.00000000e+000  +3.04142181e-002  ...  +0.00000000e+000  +0.00000000e+000
1  +1.00000000e+000  +1.96144191e-001  ...  +1.00000000e+000  +0.00000000e+000
2  +2.00000000e+000  +3.75599731e-001  ...  +2.00000000e+000  +0.00000000e+000

如果要将值转换为浮点数，可以在将数据转换为DataFrame之前执行以下操作：

headers = clean[0]
rows = [[float(value) for value in row] for row in clean[1:]]

data = pd.DataFrame(rows, columns=headers)

这为您提供了更加整洁的框架：

   Time  Variab1e1  Variable2  Variable3  Variable4  ...  v15  v16   v17  v18  v19
0   0.0   0.030414        0.0   1.383808        0.0  ...  0.0  0.0  15.0  0.0  0.0
1   1.0   0.196144        1.0   7.660262        1.0  ...  0.0  1.0  15.0  1.0  0.0
2   2.0   0.375600        2.0  15.356726        2.0  ...  0.0  2.0  15.0  2.0  0.0

如何将包含多个表的.dat文件读取到熊猫数据框中？

1 个答案: