Question

我正在使用Python脚本生成一些Stata命令。输出是一个文本文件。我想使用Python对属于同一观察的行进行分组，目前情况并非如此。

此文件中的典型行（我们称之为file.txt）属于以下类别：

[something something] if a == 1 & b == 2 & c == 3 & [other things]

其中a，b和c是识别变量。（a，b，c）三元组唯一地标识观察。我想要做的是通过将与同一观察相关的所有行分组在一起来对file.txt进行排序。

例如，请从：

replace k = 1 if a == 1 & b == 2 & c == 3 & comments_1 == "I wish I was better at Python"

replace k = 2 if a == 1 & b == 3 & c == 4 & comments_1 == ""

replace g = "Example" if a == 1 & b == 2 & c == 3 & comments_1 == "I wish I was better at Python"

为：

replace k = 1 if a == 1 & b == 2 & c == 3 & comments_1 == "I wish I was better at Python"


replace g = "Example" if a == 1 & b == 2 & c == 3 & comments_1 == "I wish I was better at Python"


replace k = 2 if a == 1 & b == 3 & c == 4 & comments_1 == ""

输入的第1行和第3行在输出中彼此相邻，因为它们与相同的观察（相同的a，b，c三联体）有关。这与按字母顺序排序不同，因此我不能使用sort（）。

我的计划是：

创建一个空字典dict [tuple [int]：set [str]]

阅读文本文件的每一行。对于每一行，通过搜索'a =='之后和'b =='之前的字符来获取三元组，依此类推。

如果三元组在字典中，则将该行添加为三元组指向的集合中的字符串。如果没有，请创建条目并添加字符串。

对于每个条目集合中的每个字符串，在文件中写入字符串。

我相信这会对文件进行排序。

那会有用吗？有没有更好的方法呢？

谢谢！

Answer 1

听起来不错。您可以使用正则表达式来提取观察结果。例如，假设观察结果由正整数组成，您可以使用：

import re
line = 'replace k = 1 if a == 1 & b == 2 & c == 3 & comments_1 == "test"'
m = re.search(r'a == (\d+) & b == (\d+) & c == (\d+)', line)
observation = tuple(map(int, m.groups()))
print(observation)

这会打印元组(1, 2, 3)。

Answer 2

这是一个很好的方法，但是由于你想要保留所有的行，我不会打扰使用相同三元组的行：只需列出所有行并使用它们的值三元组作为排序键进行排序。

def getvalues(line):
    """Extract a value triple from a line that matches the pattern"""
    m = re.search(r"if a == (\d+) & b == (\d+) & c == (\d+) &", line)
    if m:
        return tuple(int(v) for v in m.groups())
    else:
        return line   # Lines that don't match the pattern are sorted normally

with open("file.txt") as fp:
    lines = fp.readlines()

lines.sort(key=getvalues)

以上假设所有行都有相同的变量名，空格等。如果没有，你需要详细说明你的正则表达式。

重新组合文本文件的行

2 个答案: