Question

我想更改这段代码，表明它更具动态性和特殊性。我想将每列中的第一行信息用作替换“数字”的标题。这样，第一行也不会包含在@data下面的数据中。

这是我的代码：

# -*- coding: UTF-8 -*-

import logging
from optparse import OptionParser
import sys

def main():
    LEVELS = {'debug': logging.DEBUG,
              'info': logging.INFO,
              'warning': logging.WARNING,
              'error': logging.ERROR,
              'critical': logging.CRITICAL}

    usage = "usage: arff automate [options]\n ."
    parser = OptionParser(usage=usage, version="%prog 1.0")

    #Defining options   
    parser.add_option("-l", "--log", dest="level_name", default="info", help="choose the logging level: debug, info, warning, error, critical")    

    #Parsing arguments
    (options, args) = parser.parse_args()

    #Mandatory arguments    
    if len(args) != 1:
        parser.error("incorrect number of arguments")

    inputPath = args[0]


    # Start program ------------------

    with open(inputPath, "r") as f:
        strip = str.strip
        split = str.split
        data = [split(strip (line)) for line in f]

###############################################################
## modify here##

    numAtts = len(data[0])
    logging.info(" Number of attributes : "+str(numAtts) )

    print "@RELATION relationData"
    print ""

    for e in range(numAtts):
        print "@ATTRIBUTE att{0} NUMERIC".format(e)

###############################################################

    classSet = set()
    for e in data:
        classSet.add(e[-1])

    print "@ATTRIBUTE class {%s}" % (",".join(classSet))
    print ""

    print "@DATA"

    for item in data:
        print ",".join(item[0:])


if __name__ == "__main__":
    main()

输入文件是这样的（以制表符分隔）：

F1  F2  F3  F4  F5  F6  STRING
7209    3004    15302   5203    2   1   EXAMPLEA
6417    3984    16445   5546    15  1   EXAMPLEB
8822    3973    23712   7517    18  0   EXPAMPLEC

输出文件（实际）如下：

@RELATION relationData

@ATTRIBUTE att0 NUMERIC
@ATTRIBUTE att1 NUMERIC
@ATTRIBUTE att2 NUMERIC
@ATTRIBUTE att3 NUMERIC
@ATTRIBUTE att4 NUMERIC
@ATTRIBUTE att5 NUMERIC
@ATTRIBUTE att6 NUMERIC
@ATTRIBUTE class {EXAMPLEB,STRING,EXPAMPLEC,EXAMPLEA}

@DATA
F1,F2,F3,F4,F5,{0,1},STRING
7209,3004,15302,5203,2,1,EXAMPLEA
6417,3984,16445,5546,15,1,EXAMPLEB
8822,3973,23712,7517,18,0,EXPAMPLEC

所需的输出文件如下：

@RELATION relationData
@attribute 'att[F1]' numeric
@attribute 'att[F2]' numeric
@attribute 'att[F3]' numeric
@attribute 'att[F4]' numeric
@attribute 'att[F5]' numeric
@attribute 'att[F6]' {0,1}
@attribute 'class' STRING

@data
7209,3004,15302,5203,2,1,EXAMPLEA
6417,3984,16445,5546,15,1,EXAMPLEB
8822,3973,23712,7517,18,1,EXPAMPLEC

因此，正如您所看到的那样，我的代码几乎存在，但我无法/不确定如何将第一行标记为用于标题的变量并开始使用第2行处理数据。

因此，我的问题是：如何格式化输出以将第1行用作标题？有没有人有任何见解？谢谢！

Answer 1

您可以利用python中的open返回生成器的事实。 f.readline()为您提供文件中的下一个可用行。它还会使生成器移动到下一行，因此在列表解析中，它会跳过您已使用f.readline()读过的行。（参见此处的文档：https://docs.python.org/2/tutorial/inputoutput.html#methods-of-file-objects）

with open(inputPath, "r") as f:
    strip = str.strip
    split = str.split
    titles = split(strip (f.readline())
    data = [split(strip (line)) for line in f]

Answer 2

您并没有准确地将所需的标题格式化为输出。这里

for e in range(numAtts):
        print "@ATTRIBUTE att{0} NUMERIC".format(e)

您只是将e的值格式化为输出。您需要在此处访问data[0]。

for e in range(numAtts):
        print "@ATTRIBUTE att'[{0}]'' NUMERIC".format(dataa[0][e] )

稍后对于使用部分，您可以利用range/xrange跳过0th索引。

for e in range(1, numAtts):
    print ",".join(data[e][0:])

另外我建议不要在变量中存储str方法，可以使用方法链来获得所需的值。而不是：

data = [split(strip (line)) for line in f]

使用它：

data = [line.strip().split() for line in f]

*********** 已修改为包含此选项 ***********

next也允许跳过第一行，从数据段开始，因此跳过第二行。

next(iter(data))
for item in data[1:]:
    print ",".join(item[0:])

将第一行用作python

2 个答案: