造轮子：autoformer等时序工作结果提取

时序预测领域，不管是Autoformer，FEDformer都使用同一个训练框架。输出的结果文件也都是按照相同的格式，输出为txt。

在每次做完实验那结果的时候，都得一个个ctrl+c ,很麻烦，重复劳动。

所以让kimi给造了个轮子，把txt导成execl。

代码如下：

import pandas as pd
import re

# 定义一个函数来解析文件中的行以获取模型信息
def parse_model_info(line):
    pattern = r'^(\w+)_(\w+)_random_modes64_(\w+)_ftM_sl(\d+)_ll\d+_pl(\d+)'
    match = re.match(pattern, line.strip())
    if match:
        data_set, model,nothoing, sl, pl = match.groups()
        return {
            'Dataset': data_set,
            'Model': model,
            'Input Length': sl,
            'Output Length': pl
        }
    return None

# 定义一个函数来解析MSE和MAE值
def parse_mse_mae(line):
    mse_mae_pattern = r'mse:([^,\s]+), mae:([^,\s]+)'
    match = re.match(mse_mae_pattern, line.strip())
    if match:
        mse, mae = match.groups()
        return {
            'MSE': mse.strip(),
            'MAE': mae.strip()
        }
    return None

# 读取文件并解析每一行
def read_and_parse_file_to_dataframe(file_path):
    with open(file_path, 'r', encoding='utf-8') as file:
        lines = file.read().splitlines()  # 读取所有行并去除换行符
    print(len(lines))
    data = []
    for i in range(0, len(lines), 3):  # 每两行处理一次
        model_info = parse_model_info(lines[i])
        mse_mae_values = parse_mse_mae(lines[i+1])
        
        if model_info and mse_mae_values:
            # 合并两个字典
            model_info.update(mse_mae_values)
            data.append(model_info)
    print(len(data))
    # 创建DataFrame
    dataframe = pd.DataFrame(data)
    return dataframe

# 指定文件路径
file_path = 'result.txt'
dataframe = read_and_parse_file_to_dataframe(file_path)

# 显示DataFrame
print(dataframe)

# 保存DataFrame为execl文件
dataframe.to_excel('result.xlsx', index=False)