Question

我正在处理一个文本文件，其列由制表符分隔。我想获取第一列的所有唯一值。

文字输入例如：

"a\t\xxx\t..\zzz\n
 a\t\xxx\t....\n
 b\t\xxx\t.....\n
 b\t\xxx\t.....\n
 c\t\xxx\t.....\n"

所以在这种情况下我想得到一个数组：uniques=["a","b","c"]

代码：

def getData(fin):
    input = open(fin, 'r',encoding='utf-16')
    headers=input.readline().split()
    lines=input.readlines()[1:]
    uniques=[(lambda line: itertools.takewhile(lambda char: char!='\t',line))for line in lines]

取代所需的值，我得到一个列表：

<function getData.<locals>.<listcomp>.<lambda> at 0x000000000C46DB70>

我已经读过这篇文章Python: Lambda function in List Comprehensions而且我没有理解你必须使用括号来确保正确的执行顺序。我得到相同的结果。

Answer 1

您可以使用split()：

def getData(fin):
    input = open(fin, 'r',encoding='utf-16')
    headers=input.readline().split()
    lines=input.readlines()[1:]
    uniques=[line.split('\t')[0] for line in lines]

请注意，这不会产生唯一值，它会产生每一行的值。为了使这个独特，请执行：

uniques = list(set(uniques))

Answer 2

可能csv可以简化您的问题：

>>> import csv
>>> with open(fin, 'rb') as csvfile:
...      spamreader = csv.reader(csvfile, delimiter='\t')
...      list(set( row[0] for row in spamreader ))
['a', 'c', 'b']

Answer 3

您可以使用正则表达式：

import re
s = """
   a\txxx\t..\zzz\n
   a\txxx\t....\n
   b\txxx\t.....\n
   b\txxx\t.....\n
   c\txxx\t.....\n"
   """
new_data = re.findall('(?<=\n\s\s\s)[a-zA-Z]', s)
uniques = [a for i, a in enumerate(new_data) if a not in new_data[:i]]

输出：

['a', 'b', 'c']

Answer 4

之后

lines=input.readlines()[1:]         # reads all lines after the header 
                                    # you read already and skips the 1st one

uniques = list(set(x.split('\t')[0] for x in lines))

警告：这可能会重新排列您的唯一身份

Answer 5

尝试Pandas

import pandas as pd

df = pd.read_csv(filename, sep='\t')
uniques = df[df.columns[0]].unique()

Answer 6

寻找独特元素时set()是一个很好的解决方案：

def getData(fin):
    with open(fin, 'r') as input:
    first_cols = list(set([line.split("\\")[0] for line in input.readlines()]))

Answer 7

你的列表理解需要以表达式而不是lambda开头。目前，您的代码只创建了一个lambdas列表（请注意，最外面的括号包含一个lambda，而不是一个表达式）。你可以像这样解决它：

def getData(fin):
    input = open(fin, 'r',encoding='utf-16')
    headers=input.readline().split()
    lines=input.readlines()[1:]
    uniques=[itertools.takewhile(lambda char: char!='\t',line) for line in lines]

此代码中仍然存在一些错误：（1）当您到达readlines（）时，第一行已经从输入缓冲区中删除，因此您应该删除{{1} }。（2）您的[1:]变量将包含第一列中的所有条目，包括重复项。

您可以修复这些错误并简化代码：

uniques

Answer 8

如果订单无关紧要，请尝试这种方法，

打开文件，然后只分割单词，正如您所说，第一列始终是您想要的，只需要您需要的内容并保留剩余的内容。

with open('file.txt','r') as f:
    print(set([list(line)[0] for line in f]))

输出：

{'b', 'a', 'c'}

如何获取文本文件第一列的唯一元素？

8 个答案: