Question

我有一个文本文件，其中包含以下格式的数据;

100157  100157
100157  364207
100157  38848
100157  bradshaw97introduction
100157  bylund99coordinating
100157  dix01metaagent
100157  gray99finding
...
...

我正在尝试使用以下方法将其转换为 scikit可读数据集：

datafile = open(filename.txt, 'r')
data=[]
for row in datafile:
    data.append(row.strip().split('\t'))

c1 = open(filename.csv, 'w')
arr = str(data)
c.write(arr)
c.close

然而，在执行此代码之后，数据以单行输出，而我打算以行和列的形式将csv格式的数据整齐地分开，就像Iris数据集一样。

我可以获得一些关于如何进行的帮助吗？感谢。

Answer 1

使用csv module：

import csv

with open('filename.txt', 'r') as f, open('filename.csv', 'w') as fout:
    writer = csv.writer(fout)
    writer.writerows(line.rstrip().split('\t') for line in f)

输出csv文件：

100157,100157
100157,364207
100157,38848
100157,bradshaw97introduction
100157,bylund99coordinating
100157,dix01metaagent
100157,gray99finding
...

Answer 2

如果我错了，请纠正我，但我认为scikit readable dataset只是以\n分隔行的空格分隔值？

如果是这样，很容易：

假设你有这个文件：

100157  100157
100157  364207
100157  38848
100157  bradshaw97introduction
100157  bylund99coordinating
100157  dix01metaagent
100157  gray99finding

以标签分隔。

您可以轻松地将其转换为空格分隔的新行分隔值：

with open('/tmp/test.csv', 'r') as fin, open('/tmp/test.out', 'w') as fout:
    data=[row.strip().split('\t') for row in fin]
    st='\n'.join(' '.join(e) for e in data)
    fout.write(st)

print data  
# [['100157', '100157'], ['100157', '364207'], ['100157', '38848'], ['100157', 'bradshaw97introduction'], ['100157', 'bylund99coordinating'], ['100157', 'dix01metaagent'], ['100157', 'gray99finding']]
print st   
100157 100157
100157 364207
100157 38848
100157 bradshaw97introduction
100157 bylund99coordinating
100157 dix01metaagent
100157 gray99finding

将多行文本文件拆分为多行csv文件

2 个答案: