在python中清理数据集

Question

我想知道如何使用python将文本文件转换为csv。下面，我尝试的代码不起作用。我想细分为四列：日期，时间，数字，消息。预先谢谢你。

Answer 1

可以使用正则表达式（Regex）执行此操作。如果您不熟悉regex，请尝试regexone.com，这是一个很好的初学者指南！

下面的正则表达式查找与指定条件匹配的字符串部分。然后取括号中的位，并将它们分配给变量“ match”，稍后再调用。

# First import pandas and the regex module
import pandas as pd
import re

#Define filepaths
InputFilePath =
OutputFilePath = 

# Read the .txt file into a string
data = open(InputFilePath)
string = data.read()
data.close()

#Split seperate lines into list of strings
splitstring = string.splitlines()

# For each list item find the data needed (with regex or indexing) 
# and assign to a dictionary

df = {}
for i in range(len(splitstring)):
    match = re.search(r'(.*) \xc3\xa0 (.*) - (.*): (.*)',splitstring[i])
if match is None:
    match = re.search(r'(.*) \xc3\xa0 (.*) - ()(.*)',splitstring[i])
if match is None:
    line = {
'Date' : "",
'Time' : "",

'Number' : "",
'Text' : ""}
else:    
    line = {
'Date' : match.group(1),
'Time' : match.group(2),

'Number' : match.group(3),
'Text' : match.group(4)}
df[i] = line

# Convert dictionary to pandas dataframe
dataframe = pd.DataFrame(df).T

# Finally send to csv
dataframe.to_csv(OutputFilePath)